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】：

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

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

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