[发明专利]一种基于机器学习的Linux‑Kernel关联CVE智能预测方法在审
| 申请号： | 201710261619.1 | 申请日： | 2017-04-20 |
| 公开（公告）号： | CN107194260A | 公开（公告）日： | 2017-09-22 |
| 发明（设计）人： | 龙清;吴敬征;李牧 | 申请（专利权）人： | 中国科学院软件研究所 |
| 主分类号： | G06F21/57 | 分类号： | G06F21/57;G06F17/30 |
| 代理公司： | 北京君尚知识产权代理事务所(普通合伙)11200 | 代理人： | 司立彬 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的Linux‑Kernel关联CVE智能预测方法。本方法为1)从Linux讨论邮件数据发布网站上爬取设定时间段的数据并根据邮件标题按主题分类存储；2)对爬取的数据进行标注，即按照讨论主题内容与CVE描述内容的吻合度将讨论主题标注为CVE相关或CVE不相关；3)随机抽取多个标注为CVE相关的样本数据和多个标注为CVE不相关的样本数据，采用机器学习算法进行训练，得到一CVE漏洞预测模型；4)利用该CVE漏洞预测模型对新的邮件数据进行自动化预测，得到该邮件数据的预测结果和结果说明。该方法可以及早发现内核中可能存在的漏洞信息，并给出判定为可能导致漏洞的详细说明供参考。 | ||
| 搜索关键词： | 一种 基于 机器 学习 linux kernel 关联 cve 智能 预测 方法 | ||
【主权项】：
一种基于机器学习的Linux‑Kernel关联CVE智能预测方法，其步骤为：1)从Linux讨论邮件数据发布网站上爬取设定时间段的数据并根据邮件讨论主题分类存储；2)对爬取的数据进行标注，即按照讨论主题内容与CVE描述内容的吻合度将讨论主题标注为CVE相关或CVE不相关；3)随机抽取多个标注为CVE相关的样本数据和多个标注为CVE不相关的样本数据，采用机器学习算法进行训练，得到一CVE漏洞预测模型；4)利用该CVE漏洞预测模型对新的邮件数据进行自动化预测，得到该邮件数据的预测结果和结果说明。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院软件研究所，未经中国科学院软件研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710261619.1/，转载请声明来源钻瓜专利网。
