基于特征融合轻量图卷积网络的软件漏洞推荐算法
韩坚强
魏嘉银
卢友军
贵州民族大学数据科学与信息工程学院,贵阳 550025
摘要：针对传统漏洞推荐算法未考虑漏洞之间的复杂转换关系和软件动态变化的特征,导致推荐效果较差的问题,提出了基于特征融合轻量图卷积网络的软件漏洞推荐算法(software vulnerability recommendation algorithm based on feature fusion lightweight graph convolutional networks,SVR-FFLGCN).首先,构建软件与漏洞异构关系图,并融入漏洞相似性算法以降低邻居结点的噪声干扰;其次,使用轻量图卷积网络捕获漏洞之间的复杂转换关系,并将软件动态变化的局部特征和全局特征进行自适应融合,进而获得更全面的特征表示用于漏洞推荐.实验表明,当推荐漏洞数量为10、20个时,SVR-FFLGCN算法相比基准模型在命中率(hit rate,HR)指标上分别提升了 11.39％、6.74％,在归一化累积折损增益(normalized discounted cumulative gain,NDCG)指标上分别提升了 7.12％、4.80％.该研究在提升开发人员工作效率以及实施有效的防御措施上具有重要作用.
关键词：漏洞相似性轻量图卷积网络局部特征全局特征特征融合漏洞推荐
分类号：TP391(计算技术、计算机技术)
资助基金：贵州民族大学基金科研项目(GZMUZK(2023)YB13)
论文发表日期：2024-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 494-499 )
英文信息