基于 SVM 与模糊证据推理的高效网络安全评估

随着当前对 hybermedia 知识的发展，数字信息的隐私已成为一个关键问题。为了应对当前安全协议的脆弱性，学者们主要关注对当前协议的替代方案的努力。过去十年，各种提出的编码模型都显示不安全，导致对重要数据的主要威胁。合适的加密模型对于抵御各种此类威胁至关重要，但算法的选择取决于需要保护的数据的依赖性。此外，对潜在的安全评估逐一测试以识别最佳选择可能需要大量时间处理。为了更快速和精确地识别评估算法，我们提出一种针对密码加密技术的安全暴露模型，通过调用支持向量机 (SVM) 实现。本文使用通常的安全组件，如对比度和均匀性构建数据集。为了克服分析安全性和缺乏处理数据以风险评估机制不确定性的困难，本文提出一种使用模糊证据推理 (ER) 方法进行安全问题评估的模型。显著的是，该模型可用于以系统方式处理和组装各种方面的风险评估数据。为了估计我们框架的性能，我们进行了各种分析，如召回率、F1 分数和准确率。