摘要
本申请涉及信息安全技术领域,具体涉及一种基于特征工程的漏洞检测方法及装置。方法包括:获取信息系统的多源异构数据;基于所述多源异构数据通过时序滑动窗口生成会话级统计特征;利用互信息与XGBoost特征重要性对所述会话级统计特征降维,并替换为目标编码;将替换为目标编码后的会话级统计特征输入至预构建的Stacking集成模型进行训练;通过训练完成后的Stacking集成模型输出漏洞检测结果。本申请通过构造会话级统计特征并利用互信息与XGBoost特征重要性双重评估进行动态特征降维,提高了特征选择精度。引入Stacking集成模型,并结合对抗训练机制,增强了模型的鲁棒性和泛化能力,提升了检测结果的准确性;另外,通过采集多源异构数据增加了漏洞检测的全面性。
技术关键词
Stacking集成模型
漏洞检测方法
统计特征
信息系统
特征工程
多源异构数据
漏洞特征
Attention机制
XGBoost算法
滑动窗口
漏洞检测装置
强化学习策略
特征选择
动态更新
编码
信息安全技术
模型训练模块
样本
系统为您推荐了相关专利信息
设备局部放电
局部放电模型
分类方法
光信号
局部放电现象
山火监测
地理信息系统数据
计算机可执行指令
整数线性规划
激光雷达设备
决策
模糊规则
皮尔逊相关系数
模糊集合
灰色关联度
土地利用数据
布局
地理信息系统数据
聚类
公共设施