10.3969/j.issn.1673-629X.2023.04.026
基于CNN和多注意力机制的XSS检测模型
为了解决普通深度学习模型存在的难以区分信息重要性差异,以及单一注意力机制存在的关注维度单一的问题,文中提出了一种基于卷积神经网络和多注意力机制的模型对XSS攻击进行检测.首先,将经过word2vec转换后的数据输入到卷积神经网络提取局部特征;然后,使用自注意力模块学习数据的长距离依赖关系,并加强模型对序列维度上重要特征的关注;接着,经过通道注意力模块从通道维度对不同的通道特征图加权;之后,将经注意力模块处理过的特征输入到池化层进行下采样处理,并使用Dropout层提高模型的泛化能力;最后,利用提取到的特征对样本进行分类.使用测试数据集对文中提出的模型进行实验,结果显示,该模型对XSS攻击的检测效果良好,准确率与F1 值相比其他深度学习模型有一定程度提升.
卷积神经网络、多注意力机制、XSS攻击、word2vec、自注意力、通道注意力
33
TP391(计算技术、计算机技术)
辽宁省教育科学研究经费项目LJKZ0434
2023-04-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
175-181