基于FlexUDA模型的SQL注入检测研究

摘要：

针对深度学习方法检测SQL 注入时有标签数据不足容易导致模型过拟合的问题,提出了一种基于半监督学习的FlexUDA 模型.首先对采集到的数据进行解码、泛化和分词等预处理,然后通过计算TF-IDF 值对无标签数据进行增强,并将原始数据和增强后的数据使用TF-IDF 和Word2 Vec 融合算法进行向量化,最后使用FlexUDA 模型进行训练,并将训练好的模型与其他模型进行对比分析.实验结果表明,FlexUDA 模型仅使用1000 条有标签数据和100 000 条无标签数据进行训练,就获得了99.42％的准确率和99.23％的召回率,相比其他有监督训练模型,表现出了更好的泛化性能,可以很好地解决SQL 注入检测中有标签数据不足导致的过拟合问题.

关键词：SQL注入检测、半监督学习、无监督数据增强、动态阈值

所属期刊栏目：50

分类号：TP393.08;TP181(计算技术、计算机技术)

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：787-792