-
题名基于机器学习的多源威胁情报质量评价方法
被引量：11
- 1
-
-
作者
刘汉生
唐洪玉
薄明霞
牛剑锋
李天博
李玲晓
-
机构
中国电信股份有限公司上海研究院
中国电信股份有限公司北京研究院新兴信息技术研究所网络ai研究中心
中国电信股份有限公司上海研究院云安全研究所
-
出处
《电信科学》
2020年第1期119-126,共8页
-
文摘
在多源威胁情报收集过程中,由于存在数据价值密度低、情报重复度高、失效时间快等问题,情报中心难以对海量情报数据做出科学决策。针对上述问题,提出一种基于机器学习的多源威胁情报质量评价方法。首先基于标准情报格式,设计了一套多源情报数据标准化流程;其次,针对情报数据的特点,分别从情报来源、情报内容、活跃周期、黑名单库匹配程度4个维度提取特征作为评估情报质量的依据;然后针对提取的特征编码,设计了一套基于深度神经网络算法和Softmax分类器的情报质量评价模型,并利用反向误差传播算法最小化重构误差;最后根据2000条开源已标注样本数据,利用K折交叉验证法对模型进行验证,得到了平均91.37%的宏查准率和84.89%的宏查全率,为多源威胁情报质量评估提供借鉴和参考。
-
关键词
信息安全
威胁情报
质量评价
深度神经网络
-
Keywords
information safety
threat intelligence
confidence evaluation
deep neural network
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
