当前位置:主页 > 管理论文 > 移动网络论文 >

基于机器学习建模的口令脆弱性检测

发布时间:2024-11-03 02:52
   为了解决网络中的口令脆弱性评估、口令混淆检测等问题,研究基于机器学习融合告警的口令脆弱性评估方法,从大量的样本集中学习概率语言特征和文本上下文特征,通过随机森林算法和逻辑回归算法构建机器学习融合告警模型,实现了口令脆弱性的智能评估功能。将机器学习算法引入口令评估领域,大幅提高口令的评估检测能力,能够准确识别时序变化和恶意混淆的口令。

【文章页数】:7 页

【部分图文】:

基于机器学习建模的口令脆弱性检测



式中,D为口令训练数据集,A为口令特征划分属性,m为口令集D的分类数目,pi为类别为i的概率,j是基于属性特征A的v个不同的取值。2.2逻辑回归模型


基于机器学习建模的口令脆弱性检测



式中,k为迭代次数,每次参数更新后,比较||J(wk+1)-J(wk)||小于阈值或者达到最大迭代次数来停止迭代,将求得的参数代入表达式即可得到逻辑回归分类模型。2.3融合告警


基于机器学习建模的口令脆弱性检测



将概率语言特征传递给随机森林算法,通过随机森林算法的训练效率高、引入随机性较多、对数据适应能力强等特性,训练出泛化能力强、横向检测能力高的基于概率语言特征的随机森林模型;将文本特征传递给逻辑回归算法,通过逻辑回归算法的内存资源占用小、可解释性强、分类计算量小等特征,训练出具有上下....



本文编号:4010566

资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/ydhl/4010566.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户86210***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com