基于PSO-LightGBM的网络资产脆弱性评估模型

TP393; 随着网络空间资产探测技术的不断发展,越来越多的资产脆弱面暴露在公众面前,在一定程度上增加了网络资产的安全风险.对网络资产进行脆弱性评估,可以及时发现脆弱性较强的高危资产,在安全事件未发生时主动对脆弱的网络资产进行保护和修复,从而有效降低网络安全事件发生的概率.现有研究主要集中在网络资产漏洞评估及网络系统脆弱性评估上,对网络资产脆弱性评估方法的研究还比较匮乏.为了更好地保护网络资产安全,提出了一种基于粒子群优化算法-轻型梯度提升机(particle swarm optimization-light gradient boosting machine,PSO-LightGBM)的网络资产脆弱性评估模型.首先,依据行业标准和专家经验,提出针对网络资产脆弱性的评估指标体系,并根据从网络中爬取的网络资产数据,经预处理后构建了具有 12 个属性特征、11 类标签值的网络资产脆弱性评估数据集;其次,将PSO 算法与LightGBM模型相结合,利用机器学习方法实现网络资产脆弱性的自动化评估;最后,通过实验对比了几种机器学习模型在数据集上的表现,结果表明,基于 PSO-LightGBM的网络资产脆弱性评估模型的评估准确率可以达到 91.24%,充分验证了该模型的有效性.