科研之友
微信
新浪微博
Facebook
分享链接
摘要
研究一种高效、准确的跨站攻击检测模型在信息安全领域中具有重要的意义。然而，传统的跨站攻击检测方法不仅需要花费大量的时间来提取这些攻击特征，还要结合一定的主观经验才能取得好的效果。为了提高XSS攻击的检测效率与准确率，论文提出一种基于一维卷积神经网络模型的XSS攻击检测方法。首先，根据XSS攻击样本的特点，对样本进行HTML与URL的解码与范化、分词以及向量化处理，然后将处理后的词向量输入到论文所设计的一维卷积神经网络模型中。通过多次实验选择模型合适的超参数，并与传统的检测模型进行对比实验。实验结果表明，论文提出的一维卷积神经网络模型以较少的检测时间达到了高达99.37%的准确率，与其它相关模型相比，此模型具有较好的性能与检测能力，对以XSS攻击为主的安全入侵检测与漏洞分析具有重要的意义。
-
单位自动化学院; 南京理工大学
