基于双注意力机制和改进对抗训练的漏洞分类方法
Vulnerability classification method based on double-attention mechanism and adversarial training
1. 四川大学 网络空间安全学院, 成都 610207
2. 成都信息工程大学 网络空间安全学院, 成都 610225
3. 四川省成都市新都区智慧蓉城运行中心, 成都 610095
摘要
漏洞报告在网络安全中发挥着重要作用，大量且不断增加的漏洞对漏洞分类的效率和准确性提出了巨大挑战。为了缓解漏洞分类深度学习模型无法关注重要特征和容易陷入过拟合的问题，提出了一种新颖的基于双注意力机制和改进对抗训练的漏洞分类方法。首先，提出TextCNN-DA（text convolutional neural network with double attention） 模型，将空间注意力和通道注意力机制与 TextCNN 结合，以更好地关注到重要特征。然后，提出SWV-FGM （single word vector-fast gradient method） 算法，对模型进行对抗训练，进而提高模型的鲁棒性和泛化性。在漏洞数据集上与其他基线算法进行了对比，并且对不同漏洞类型数据的表现进行了具体分析，该方法在accuracy、macro-F1等多项指标上都有更良好的表现，能够更好地完成漏洞分类任务。
基金项目
国家重点研发计划资助项目(2020YFB1805400)
国家自然科学基金资助项目(62032002,62101358)
四川省科技计划重点研发项目(2023YFG0294)
四川省自然科学青年基金资助项目(2023NSFSC1395)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.01.0061
出版期卷: 《计算机应用研究》 印刷出版, 2024年第41卷 第11期
所属栏目: 信息安全技术
出版页码: 3447-3454
文章编号: 1001-3695(2024)11-036-3447-08
发布历史
[2024-07-10] 优先出版
[2024-11-05] 印刷出版
引用本文
杨尽能, 李汶珊, 何俊江, 等. 基于双注意力机制和改进对抗训练的漏洞分类方法 [J]. 计算机应用研究, 2024, 41 (11): 3447-3454. (Yang Jinneng, Li Wenshan, He Junjiang, et al. Vulnerability classification method based on double-attention mechanism and adversarial training [J]. Application Research of Computers, 2024, 41 (11): 3447-3454. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
