[发明专利]一种基于群体智能的漏洞挖掘模型构建方法

权利要求书

1.一种基于群体智能的漏洞挖掘模型构建方法，其特征在于：包括如下步骤：

步骤一、对用户个体进行建模：

第一步、确定用户集合U＝{u₁,u₂,…,u_n}，其中，u_j表示第j个用户；

第二步、计算用户u_j各类任务的执行能力其中：表示用户u_j的所属标签m_x的重要程度；具体方法如下：

(1)计算标签m_x在用户u_j身上的标记次数在用户u_j身上所有标签次数中所占的比重：

其中：w(u_j,m_x)表示标签m_x用于标记用户u_j的次数，表示用于标记用户u_j的所有标签的次数总和；

(2)计算标签m_x在全部标签中的稀缺程度：

其中：|U|表示所有用户数目，|W(U,m_x)|表示包含标签m_x的所有用户数目总和；

(3)计算用户u_j执行m_x类型任务的特征权重：

第三步、计算用户u_j执行m_x类型任务时的信誉值：

(1)计算用户u_j将有效任务结果返回的原始概率集

其中表示历史中用户u_j执行m_x类型任务的数量，表示历史中用户u_j执行所有类型任务的数量，表示历史中用户u_j执行m_x类型任务并且成功在任务有效期内返回结果的数量；

(2)计算最终用户执行某类任务的信誉值：

步骤二、基于漏洞挖掘场景对漏洞挖掘任务进行智能分解；

步骤三、最优化漏洞挖掘路径求解；

步骤四、对群智漏洞挖掘结果进行汇聚融合并建立反馈学习模型。

2.根据权利要求1所述的一种基于群体智能的漏洞挖掘模型构建方法，其特征在于：计算标签m_x在全部标签中的稀缺程度时，采用1+|{W(U,m_x)}|作为分母。

3.根据权利要求1所述的一种基于群体智能的漏洞挖掘模型构建方法，其特征在于：步骤二所述对漏洞挖掘任务进行智能分解的方法为：

第一步、建立预计任务g_i被用户u_j执行的执行时间满足的以下公式：

其中：G＝{g₁,…,g_q}为任务集合，表示用户u_j执行每个任务的相遇指数参数，其中表示任务g_i被用户u_j执行的概率；

第二步、建立工具集合T＝{t₁,…,t_k}，其中表示类型为m_x的工具集合；

第三步、任务发布；

第四步、任务分配和挖掘引擎推荐。

4.根据权利要求3所述的一种基于群体智能的漏洞挖掘模型构建方法，其特征在于：第三步所述任务发布的方法为：形成任务集合G＝{g₁,…,g_q}，确定每个任务对应的完成该任务的最低成功率阈值π＝{π₁，…，π_q}，确定任务有效期H＝{h₁,…,h_q}。