熵的二叉树多类支持向量机的漏洞分类

　　为了有效提高漏洞分类的准确性，针对基于二叉树多类支持向量机分类算法的分类复杂性和分类结果依赖二叉树的结构等缺点，提出了一种基于熵的二又树多类支持向量机的漏洞分类算法。根据定义最小超球体进行漏洞样本空间的分类，有效地通过熵的计算来描述漏洞之间的混杂程度，使得漏洞分类的计算过程被简化且能够有效减少分类结果对二又树结构的依赖。采用公共漏洞枚举（CWE）漏洞分类体系在收集到的3000个漏洞样本上进行大量仿真实验，漏洞分类的平均准确率和平均召回率达93. 3%和93. 25%，高于基于二叉树多类支持向量机分类算法和K-近邻（KNN）分类算法得到的平均值。实验结果表明所提算法有效可行，能精确地实现漏洞的分类。