一种基于双向长短期记忆神经网络的Web攻击检测

摘要：

当前,网络空间安全形势日益严重,这是因为网络攻击手段层出不穷.其中,跨站脚本(cross-site scripting,XSS)攻击和结构化查询语言(structured query language,SQL)注入攻击是2种较为常见的网络攻击方式.由于它们的有效载荷样式多样,导致传统的基于规则的检测以及基于特征的机器学习难以对其进行检测.为了提高对Web攻击的检测效果,降低人工提取特征的繁杂度,提出了一种基于双向长短期记忆神经网络的Web攻击检测方法:使用字符向量化提取Web攻击有效特征的序列,并映射到特征向量,嵌入向量到神经网络中,然后使用双向长短期记忆递归神经网络训练和测试模型.结果表明,该检测方法在真实数据集中的检测准确率达到99.35％,召回率达到99.49％,可以同时检测XSS攻击和SQL注入攻击.证明了这种基于深度学习的检测方法可以较大规模地应用于Web攻击感知平台中.

关键词：XSS攻击、SQL注入攻击、双向长短期记忆神经网络、Web安全漏洞、深度学习

所属期刊栏目：2

分类号：TP391.1(计算技术、计算机技术)

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：55-65