OutCenTR：一种用于高维数据集中漏洞利用预测的新型半监督框架
密码学与安全
2023-04-21 v1 人工智能
机器学习
摘要
每天报告的漏洞数量不断增长。然而这些漏洞并非都相同；有些比其他更容易成为攻击目标。正确估计漏洞被利用的可能性是系统管理员的一项关键任务。这有助于系统管理员优先处理并修补正确的漏洞。我们的工作利用离群点检测技术，在高度不平衡且高维的数据集（如国家漏洞数据库）中预测可能被利用的漏洞。我们提出了一种降维技术 OutCenTR，可增强基线离群点检测模型。我们进一步通过 4 个基准数据集和 12 个合成数据集实证展示了 OutCenTR 的有效性与效率。我们的实验结果表明，与 PCA 和 GRP 等最先进的降维技术相比，F1 分数平均提升 5 倍。
引用
@article{arxiv.2304.10511,
title = {OutCenTR: A novel semi-supervised framework for predicting exploits of vulnerabilities in high-dimensional datasets},
author = {Hadi Eskandari and Michael Bewong and Sabih ur Rehman},
journal= {arXiv preprint arXiv:2304.10511},
year = {2023}
}
备注
11 pages, 6 figures