基于SVM的增强模型用于预测网络空间漏洞:分析用户群动态和资本流入的作用
Yicheng Long1,2
1School of Humanities, Huazhong University of Science and Technology, Wuhan, Hubei, China.
PloS one
|July 17, 2025
概括
这项研究通过引入动态支持矢量机 (SVM) 模型来增强网络安全漏洞预测. 改进的SVM将预测准确度提高11.2%,效率提高22.2%,从而实现更好的网络防御.
科学领域:
- 网络安全 网络安全
- 机器学习 机器学习
- 网络安全 网络安全
背景情况:
- 越来越多的用户群复杂性和不断变化的用户行为对网络安全构成了挑战,特别是在漏洞预测方面.
- 资本流入和平台扩展动态加剧了这些网络安全挑战.
- 传统的支持向量机 (SVM) 模型在非线性攻击和适应性方面扎.
研究的目的:
- 提高网络空间漏洞预测的准确性和实际适用性.
- 开发一种更具适应性和效率的脆弱性预测模型.
- 在攻击压力下分析用户行为变化.
主要方法:
- 利用了两个网络安全数据集:加拿大网络安全研究所入侵检测系统2017年和基于网络的入侵检测评估数据集2015年.
- 实施了标准化的数据预处理管道 (消除冗余,特征选择,样本平衡).
- 为支持向量机 (SVM) 模型引入了一种基于分布的,动态自适应的内核优化方法.
主要成果:
- 与传统模型相比,改进的SVM模型在预测准确度上实现了11.2%的提高.
- 计算效率 (预测数量/处理时间) 提高了22.2%.
- 在检测分布式拒绝服务,网络鱼和恶意软件方面展示了较低的假阳性率和更大的稳定性.
结论:
- 动态适应性SVM为复杂的网络攻击场景提供了更好的概括性和响应能力.
- 调查结果证实了一种因果序列:资本流入-用户扩张-增加攻击暴露.
- 该研究提供了一个实际的框架,以加强网络安全漏洞预测和用户安全.
相关概念视频
01:17Design Example: Analyzing Capacity Contours for Flood Risk Assessment
105
Flood risk assessment involves careful planning and analysis to ensure the safety of communities near water retention structures. Capacity contours are a vital tool in this process, as they illustrate the potential spread of water at specific levels in a given area. In the context of building a bund across a small valley, these contours play a critical role in evaluating the safety of nearby residential areas.In this example, the bund is intended to store stormwater in the valley. The engineers...
105
01:18Steps in Outbreak Investigation
209
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
209