-
题名基于残差网络和GRU的XSS攻击检测方法
被引量：11
- 1
-
-
作者
林雍博
凌捷
-
机构
广东工业大学计算机学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第10期101-107,共7页
-
基金
广东省重点领域研发计划项目(2019B010139002)
广州市重点领域研发计划项目(202007010004)。
-
文摘
传统的XSS攻击及其漏洞检测方法在面对多样化的攻击payload时其效果难以令人满意,需要大量人工参与,具有较大的主观性;而如CNN、RNN等深度学习方法只能单一地学习数据样本的空间特征或时序特征。提出一种基于残差网络和GRU的XSS攻击检测方法,在CNN基础上引入残差框架并与GRU相结合来学习数据的时空特征,且通过利用dropout来提高模型的泛化能力。面对日益复杂多变的XSS payload,参考字符级卷积建立一个字典对数据样本进行编码,从而保留了原始数据的特征并提高了整体的效率,再转化为二维空间矩阵,使得其满足CNN的输入要求。在Github数据集上的实验结果表明,该方法的准确率为99.92%,误报率为0.02%,相比于DNN方法的准确率提高11.09个百分点、误报率降低3.95个百分点,且其他评价指标均优于GRU、CNN等对比方法。
-
关键词
XSS攻击检测
深度学习
卷积神经网络(CNN)
ResNet
门控循环单元(GRU)
-
Keywords
XSS attack detection
deep learning
convolutional neural network(CNN)
ResNet
gate recurrent unit(GRU)
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
