漏洞分析与预测

题目：漏洞分析与预测

具体要求：在cnnvd、cnvd、nvd等漏洞库收集漏洞信息数据，根据漏洞信息对下个月的漏洞信息进行预测。

• 下个月每周的漏洞数量
• 下个月的漏洞分布比例（低、中、高、超高）
• 下个月的漏洞修复比例、 下个月每周的漏洞数量
• 以上都需进行可视化显示

---

具体思路

1. 首先，我们需要获取漏洞信息，我能想到的有三种方法，
   • 第一通过Python爬虫获取漏洞信息，但是后来发现各大漏洞库都有很严格的反爬虫技术，所以果断放弃第一种，
   • 第二种通过浏览各大网站手动统计，但是后来发现信息量太过庞大，果断放弃（如果不能提高效率，放弃）
   • 第三种是后来发现cnvd网站可以个人用户注册，里面有已经统计好的xml文档，下载分析就可以使用了
2. 第二，我们拿到数据，通过创建xml文档的dom对象来获取其中的数据，（此处可以参考其它博文或者百度）
3. 第三，分析过程也是一些简单的逻辑判断，（代码中注释很多，基本可以看懂）
4. 最后，画图依然选择matplotlib库

---

Python代码实现

---

第一种方式：通过下载.xml文档获取信息

import xml.dom.minidom
import matplotlib as mpl
import matplotlib.pyplot as plt

myfont = mpl.font_manager.FontProperties(fname=
                                         ("C:\Windows\Fonts\simhei.ttf"))


def getData():
    '''

    :return:返回8月份漏洞信息，包括时间及危险程度
    '''
    se = []
    Time = []
    for i in range(1, 5):
        dom = xml.dom.minidom.parse('%d.xml' % i)
        root = dom.documentElement
        serverity = root.getElementsByTagName('serverity')
        time = root.getElementsByTagName('openTime')
        for j in range(len(serverity)):
            se.append(serverity[j].firstChild.data)
        for j in range(len(time)):
            m = time[j].firstChild.data
            m = m.split('-')
            s = m[2]  # m[1][1:] + '.' +
            Time.append(int(s))
    return se, Time


def ChangeForm(serverity):
    index = 0
    for i in serverity:
        if i == '高':
            serverity[index] = 'High'
        elif i == '中':
            serverity[index] = 'Middle'
        else:
            serverity[index] = 'Low'
        index += 1
    return serverity


def GetGraph(serverity, time):
    plt.figure()
    plt.subplot(1, 2, 1)
    plt.hist(serverity, color='g', alpha=0.5)
    plt.xticks()
    plt.xlabel(u'严重程度', fontproperties=myfont)
    plt.ylabel(u'漏洞数目', fontproperties=myfont)
    plt.title(u'8月漏洞严重程度与数量', fontproperties=myfont)
    plt.grid()
    plt.subplot(1, 2, 2)
    plt.hist(time, color='r', alpha=0.5)
    plt.xlabel(u'发布日期', fontproperties=myfont)
    plt.ylabel(u'漏洞数目', fontproperties=myfont)
    plt.title(u'8月漏洞数量与发布日期', fontproperties=myfont)
    plt.grid()
    plt.show()


def main():
    serverity, time = getData()
    serverity = ChangeForm(serverity)
    GetGraph(serverity, time)


if __name__ == '__main__':
    main()

---

第二种方式：通过收集信息存放于Excel表格，然后通过代码分析

python 代码实现

import xlrd
import numpy as np
import matplotlib.pyplot as pl


# 列表计算平均数
def averagenum(num):
    nsum = 0
    for i in range(len(num)):
        nsum += num[i]
    return nsum / len(num)


def read_excel_num():
    """
	读取Excel文件获取漏洞数量
    :return: 每一行的数据
    """
    # print(os.getcwd())
    # 打开excel文件
    # week为漏洞数量
    workbook = xlrd.open_workbook('predict.xlsx')
    number = workbook.sheet_by_name("week")
    row_num_number = number.nrows
    data_number = {}
    for i in range(1, row_num_number):
        # 获得漏洞数量第i行的数据
        row_data0 = number.row_values(i)
        print(row_data0)
        data_number[row_data0[0]] = row_data0[1]

    print(data_number)
    return data_number


def read_excel_rank():
    """
	读取Excel文件获取漏洞比例
    :return: 平均数列表
    """
    # 打开excel文件
    workbook = xlrd.open_workbook('predict.xlsx')
    rank = workbook.sheet_by_name("rank")
    # 获取漏洞比例表格行数
    row_num_rank = rank.nrows
    low_list = []
    middle_list = []
    high_list = []
    super_high = []
    for i in range(1, row_num_rank):
        # 获取漏洞严重程度第i行的数据
        row_data1 = rank.row_values(i)
        print(row_data1)
        low_list.append(row_data1[1])
        middle_list.append(row_data1[2])
        high_list.append(row_data1[3])
        super_high.append(row_data1[4])
        low_avr = averagenum(low_list)
        middle_avr = averagenum(middle_list)
        high_avr = averagenum(high_list)
        super_high_avr = averagenum(super_high)
        avr_list = [low_avr, middle_avr, high_avr, super_high_avr]
    return avr_list


def qudian_yuce():
    """
    求平均数得到下个月四周的漏洞发生量
    :return: 平均数列表
    """
    avr_list = []
    data = read_excel_num()
    for i in data:
        if i == 5:
            break
        else:
            avr_list.append((data[i] + data[i + 4]) // 2)
    return avr_list


def main1():
    avr = qudian_yuce()
    for i in range(1, 5):
        print("下月第 %s 周漏洞数量：%s" % (i, avr[i - 1]))
    X1 = [1, 2, 3, 4]
    pl.plot(X1, avr)
    pl.xticks(X1)
    pl.xlabel('week')
    pl.ylabel('number')
    pl.title('Volume projections')
    pl.show()
    print()


def main2():
    avr_list = read_excel_rank()
    X2 = ['low', 'middle', 'high', 'superHigh']
    pl.plot(X2, avr_list)
    pl.xticks(X2)
    pl.xlabel("severity")
    pl.ylabel("number/%")
    pl.title("Severity  projections")
    pl.show()
    print("下月漏洞比例预测：",avr_list)


if __name__ == '__main__':
    main1()
    main2()

---

运行结果

---

• 提取信息结果展示

---

---

---