基于机器学习的多源威胁情报质量评价方法
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2 000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。
文件下载
评论信息
其他资源
- 网络协议知识图谱2.rar
- Profibus GSD规范
- 2018通信中级《动力与环境》教材
- opencl_runtime_16.1.1_x64_setup.msi
- Keil.STM32F1xx_DFP.1.1.0.pack
- 遗传算法-粒子群优化算法
- 用matlab编写的GPS C/A码生成函数，ca_gen
- 二维最大熵图像分割
- 用VB实现软件注册功能
- ffmpeg_windows屏幕录制并编码成H264
- S4610_EN_Col09 Delivery Processing in SAP S4HANA.pdf
- QWHView.zip
- kubernetes v1.18.0版本所有镜像文件
- 基于LabVIEW的数字示波器上可编程触发功能的实现
- 华为智慧医疗解决方案主打胶片V1.0
- SEED-XDS560PLUS仿真器驱动安装CCS3.3方法步骤
- 8086交通灯
- 矩阵论简明教程(第二版)习题答案
- synergy Ubuntu16.04版和window10局域网下使用同一键盘鼠标
- 大鱼吃小鱼代码Java
- 基于jsp语言应用mvc模式实现的一个简单项目
- Java大学实用教程例子源代码
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明