论文部分内容阅读
风险评估是一种能够分析网络的运行状况,对风险等级进行预测的主动防护手段。为了解决传统的风险评估模型主观性强、对海量数据处理效率低及分类准确度不高等问题,运用极限梯度提升树XGBoost模型,以物理环境、软硬件故障等影响网络安全运行的因素作为输入,建立评估模型对网络安全风险等级进行预测,并与随机森林及GBDT两种方法进行对比。实验结果表明,基于XGBoost的网络安全风险评估模型可以根据收集到的信息,对信息网络风险等级进行快速准确地预测,且与随机森林及GBDT两种方法相比具有更高的准确率。