基于卷积门控循环神经网络的Web攻击检测方法 |
| |
引用本文: | 周桥,翟江涛,荚东升,孙浩翔.基于卷积门控循环神经网络的Web攻击检测方法[J].广西师范大学学报(自然科学版),2023(6):51-61. |
| |
作者姓名: | 周桥 翟江涛 荚东升 孙浩翔 |
| |
作者单位: | 南京信息工程大学电子与信息工程学院 |
| |
基金项目: | 国家自然科学基金(61931004,62072250);;国家重点研发计划项目(2021QY0700); |
| |
摘 要: | 针对Web应用程序的攻击一直是网络空间对抗的热点问题,随着Web攻击技术的不断发展,传统的入侵检测系统和Web应用防火墙越来越无法满足安全防护需求。针对攻击者在Web请求中嵌入可执行代码或注入恶意代码来构造各种Web攻击,本文设计一种基于特征融合的恶意Web请求检测卷积门控循环单元(CGRU)神经网络。该网络利用CNN捕捉网络事件的局部特征和高阶特征,摒弃了传统的池化方法,采用GRU代替原有的池化层在时间维度上进行特征采集。同时,为了提高检测性能,筛选传统机器学习中在Web攻击检测领域分类效果较好的9个统计特征来增强原始特征。此外,还使用Word2Vec模型对词嵌入矩阵进行预训练,获得CGRU模型的输入,并对最终结果进行分类,有效提高多分类精度。在公开的HTTP CSIC 2010数据集上与当前典型方法进行对比实验,结果表明:本文所提方法的准确率为99.81%,召回率为99.78%,F1值为98.80%,精准率为99.81%,较当前典型方法均有提高。
|
关 键 词: | 网络攻击 Web攻击检测 神经网络 门控循环单元 特征融合 |
|
|