基于机器学习的物联网系统缺陷预测模型研究

发布时间：2022-04-23 08:11

　　随着物联网的快速发展和智能终端的兴起,大量的智能终端接入互联网,然而,由于物联网厂商缺少安全意识并且在安全方面的研究投入比较少,导致安全标准的制定、实施速度远低于物联网行业的发展速度,从而导致有些物联网系统中存在很大的潜在风险。一些不法分子利用物联网终端自身存在的缺陷或漏洞进行攻击,因此有效的漏洞评估对于物联网来说是十分必要的,好的漏洞评估能够有效的对系统中的漏洞进行分级,使漏洞修复工作事半功倍。从物联网漏洞产生的原因来看,多是物联网源代码存在逻辑缺陷或编码缺陷等问题导致的,因此在正式启用物联网软件前,应尽可能的保证它的安全性和健壮性。本文从以上两方面进行研究,提升物联网的安全和稳定性。为了对物联网系统的漏洞进行科学评估,本文提出一种漏洞关联性危害评估方法。与传统的以一个单独的漏洞为评估单位的评估方法不同,本文将整个物联网系统作为一个评估单位,通过使用漏洞关联图分析漏洞在整个系统中的关联关系,找出可能的攻击路径,然后使用CVSS v3.0评价体系为计算的基础指标并引入风险矩阵,计算过程中既包括漏洞与漏洞之间的关联关系也包括漏洞自身的属性,以实现漏洞关联评估。实验表明本方法可以有效指导物... 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 相关研究的进一步说明
    1.3 研究内容
第二章 物联网安全概述
    2.1 物联网系统概述
    2.2 物联网整体安全
    2.3 物联网漏洞及缺陷特点
    2.4 本章小结
第三章 物联网漏洞关联性危害评估的方法改进
    3.1 CVSS漏洞评估方法
    3.2 漏洞关联性评估的方法设计
    3.3 风险矩阵及相关计算方法设计
    3.4 漏洞关联利用度计算方法改进
    3.5 实例分析
    3.6 本章小结
第四章 物联网软件缺陷分析
    4.1 漏洞与软件缺陷的关系
    4.2 物联网软件缺陷现状
    4.3 软件缺陷预测作用
    4.4 软件缺陷预测技术
    4.5 本章小结
第五章 物联网软件缺陷预测模型设计及实现
    5.1 流形学习
    5.2 局部切空间排列算法
        5.2.1 算法原理
        5.2.2 局部切空间排列算法的缺点
    5.3 自适应邻域选择的稳健型局部切空间排列改进算法设计
        5.3.1 自适应邻域选择改进策略
        5.3.2 稳健局部切空间改进策略
        5.3.3 改进LTSA算法步骤及效果
    5.4 SVM缺陷预测
        5.4.1 基本思想
        5.4.2 非线性SVM
        5.4.3 软间隔SVM
    5.5 基于iLTSA-SVM软件缺陷预测的模型设计
        5.5.1 iLTSA-SVM软件缺陷预测模型
        5.5.2 iLTSA-SVM模型的参数选择
    5.6 实验结果与分析
        5.6.1 选取数据集
        5.6.2 评价指标
        5.6.3 实验结果及对比
    5.7 本章小结
第六章 结论与展望
    6.1 主要结论
    6.2 研究展望
参考文献
在学期间的研究成果
致谢



本文编号：3646895