基于機器學習建模的口令脆弱性檢測
發(fā)布時間:2024-11-03 02:52
為了解決網(wǎng)絡(luò)中的口令脆弱性評估、口令混淆檢測等問題,研究基于機器學習融合告警的口令脆弱性評估方法,從大量的樣本集中學習概率語言特征和文本上下文特征,通過隨機森林算法和邏輯回歸算法構(gòu)建機器學習融合告警模型,實現(xiàn)了口令脆弱性的智能評估功能。將機器學習算法引入口令評估領(lǐng)域,大幅提高口令的評估檢測能力,能夠準確識別時序變化和惡意混淆的口令。
【文章頁數(shù)】:7 頁
【部分圖文】:
本文編號:4010566
【文章頁數(shù)】:7 頁
【部分圖文】:
式中,D為口令訓練數(shù)據(jù)集,A為口令特征劃分屬性,m為口令集D的分類數(shù)目,pi為類別為i的概率,j是基于屬性特征A的v個不同的取值。2.2邏輯回歸模型
式中,k為迭代次數(shù),每次參數(shù)更新后,比較||J(wk+1)-J(wk)||小于閾值或者達到最大迭代次數(shù)來停止迭代,將求得的參數(shù)代入表達式即可得到邏輯回歸分類模型。2.3融合告警
將概率語言特征傳遞給隨機森林算法,通過隨機森林算法的訓練效率高、引入隨機性較多、對數(shù)據(jù)適應(yīng)能力強等特性,訓練出泛化能力強、橫向檢測能力高的基于概率語言特征的隨機森林模型;將文本特征傳遞給邏輯回歸算法,通過邏輯回歸算法的內(nèi)存資源占用小、可解釋性強、分類計算量小等特征,訓練出具有上下....
本文編號:4010566
本文鏈接:http://www.wukwdryxk.cn/guanlilunwen/ydhl/4010566.html
最近更新
教材專著