10.3969/j.issn.1672-9722.2020.02.020
基于BPTT算法的webshell检测研究
webshell是黑客用于网络攻击中重要的攻击工具,当服务器被入侵后攻击者可以利用webshell实现更进一步的攻击行为.攻击者往往会对webshell进行加密或者一系列混淆手段,导致已有的检测方法对于新型的变形手段检测效果有限.据此提出了使用神经网络进行自学习以检测webshell的方案,其中利用opcode字节码进行数据处理学习,这样可以无视多数混淆和变形手段.论文设计分析了2个神经网络模型进行训练学习,提出了滑动窗口截断反向传播算法并将其运用到其中一种模型作为对比试验,均得到了96%以上的准确率,其中使用了滑动窗口截断反向传播算法准确率相比均有提升,证明了神经网络在webshell检测方面的可行性,验证了滑动窗口截断反向传播算法的有效性.
webshell、截断反向传播、web安全、深度学习
48
TP393.08(计算技术、计算机技术)
"十三五"国家密码发展基金编号:MMJJ20180244
2020-05-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
372-377,408