K.
Gencer
,
F. Ba
,
s
çiftçi
/
EgyptianInformaticsJournal22
(
2021
)
145
七个精确的输入和五个模糊输出用于形成FLR模型。对模糊输出进
行概率测量和概率率的对数转换(见下文)。
中等、高和非常高)。
作为
对
l
~
i
的
响应
,
Y
~
i
三角
Sion
原则。
w
i
和
W
i
之间的
SSE
最小化,
Diamond最小二乘法提出了基于概率的模糊逻辑回归模型。基本上有七
个输入变量和一个输出变量表示,
在表1中给出了漏洞评分系统的本质。
输出变量有五个类别,如表2所示。决策者不能暗示关于分数
1
/2
f
1
a
-
1
-
a
f
1
s
;
f
1
a
1
-
a
f
1
s
]
3
1
即使采用某种计算方法,也是精确计算的。由于CVSS严重程度的模糊
性,无法实施经典逻辑回归。在这种情况下,FLR是合适的。
输入是:攻击向量(AV),攻击复杂度(AC),
所需权限(PR)、用户交互(UI)、机密性(C)、完整性(I)、可
用性(A)和5类输出
使用以下等式:
f
高
f
最
高
值
1
x
11
秒
·
·
·
秒
7
x
17
秒
0
秒
0
:
85
秒
1
秒
·
· ·
秒
0
秒
7
秒
32
秒
W
~
高
的
a
水平集
计算
如下
:
使用表6中的CVSS 3.0计算值。
Y:分类变量。 0至0.09反映了非常低的严重程度
而
0.1
至
3.9
表示低严重性,
4
至
6.9
表示中度
严重性,
7
至
8.9
表示高严重性,
9
至
10
表示严重性。
根据
l
~
2
的
临界度、高、
中、低和
极
低,将模糊多范畴
l
~
视为一个
模糊
依赖,并将其应用于实际工程中。
dent
观察
变量
(
l
~
2
临界、高、
中、
低、非常
使用以下等式:
.
l
~
Hig
h
l
~
a
阿
吉
亚
1
/
2
0
:
795
-
201
-
a
200
:
095
;
0
:
795
201
-
a
200
:
095
]
203
4
页
关于
W
~
High
和
W
~
High
的SSE
由下
式示出
:
低)。 概率率计算为模糊相关变量
。下表3中给出了近似“精确”分数和
语言术语
的
三角
模糊
图
。
1
0
ð Þ
时间:
2019
- 01-0200:05
:00
时间
0: 205
时间
1
-a
时间0: 095
-
f
1
时间
-a
时间
-a-
1时间f
1
时间
时间:
2019
-
01-0900:05
:00
表1
有关
CVSS
的指标值
输入独立变量
攻击向量(
AV
) 网络
邻网本地
时间
0: 205-01-a时间0:095
-f1a-a-1f
1
sda
ð
35
Þ
对于
i
=
Medium
(
1
~
Medium
近似“中”),W ~ 1估计如下
:
~
0
l
~
1
1
2019 - 01
-
26 00:00
:
00
a
水平
设置
为
W
~
中
m
:
.
W
~
(
1
/2
)f
a
-
1
-
a
f
s
;
f
a
1
-
a
f
s
]
3
7
通过使用下面的等式得到:
f
中号
f
中号
© 2018 - 2019 www.cnjs.com
版权所有并
保留
所有
权利