基于支持向量机的Webshell黑盒检测

• 作者: 叶飞 杨望 龚俭
• 来源期刊: 南京航空航天大学学报
• 学科: 工学
• 关键词: Webshell 网站后门 支持向量机 入侵检测 机器学习
• 年，卷（期）: 2015,（6）
• 页码范围: 924-930
• 页数: 7页
• 分类号: TP393
• 字数: 6100字
• 语种: 中文
• DOI: 10.16356/j.1005-2615.2015.06.020

摘要

Webshell是一种基于Web的网站后门程序.当前已有的Webshell检测方法都需要根据脚本程序源代码来检测,因此只能部署在服务器主机上,而且只能检测本机的网站代码.本文通过分析Webshell的HTML页面特征,提出了一种基于支持向量机(Support vector machine,SVM)分类算法的黑盒检测方法.该方法是一种有监督的机器学习系统,对先验网页的HTML页面进行学习,可以在未知脚本源代码的情况下对Webshell进行检测.实现结果表明,该方法在黑盒的条件下达到了较高的准确率和极低的误报率,并且取得了与白盒检测方法相近的检出率,可以部署在基于网络的入侵检测系统中,同时监测多台服务器是否包含Webshell,从而帮助监控入侵趋势和网络安全态势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨望	东南大学计算机科学与工程学院	47	248	8.0	15.0
3	龚俭	东南大学计算机科学与工程学院	107	2154	26.0	43.0
9	叶飞	东南大学计算机科学与工程学院	10	87	4.0	9.0