基于双注意力机制和改进对抗训练的漏洞分类方法

作     者：杨尽能 李汶珊 何俊江 周绍鸿 李涛 王运鹏 

作者机构：四川大学网络空间安全学院 成都信息工程大学网络空间安全学院 四川省成都市新都区智慧蓉城运行中心 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2024年

学科分类：0839[工学-网络空间安全] 08[工学] 

基　　金：国家重点研发计划资助项目(2020YFB1805400) 国家自然科学基金资助项目(62032002,62101358) 四川省科技计划重点研发项目(2023YFG0294) 四川省自然科学青年基金资助项目(2023NSFSC1395) 

主　　题：网络安全 漏洞分类 注意力机制 对抗训练 

摘      要：漏洞报告在网络安全中发挥着重要作用，大量且不断增加的漏洞对漏洞分类的效率和准确性提出了巨大挑战。为了缓解漏洞分类深度学习模型无法关注重要特征和容易陷入过拟合的问题，提出了一种新颖的基于双注意力机制和改进对抗训练的漏洞分类方法。首先，提出TextCNN-DA(TextConvolutionalNeural Network with Double Attention)模型，将空间注意力和通道注意力机制与TextCNN结合，更好关注到重要特征。然后，提出SWV-FGM (Single Word Vector-Fast Gradient Method)算法，对模型进行对抗训练，进而提高的模型的鲁棒性和泛化性。在漏洞数据集上与其他基线算法进行了对比，并且对不同漏洞类型数据的表现进行了具体分析，提出的方法在Accuracy、Macro-F1等多项指标上都有更良好的表现，能够更好地完成漏洞分类任务。