智能检测WebShell的机器学习算法

• 作者: 卢新岱 孙歆 戴桦 李景
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: WebShell检测 矩阵分解 特征训练
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 51-57
• 页数: 7页
• 分类号: TP309
• 字数: 6621字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2017.00126

摘要

WebShell是网络入侵的常用工具,具有威害性大、隐蔽性好等特点.目前的检测手段较简单,容易被绕过,难以对付复杂灵活的WebShell.针对这些问题,提出一种智能检测WebShell的机器学习算法,通过对已知存在WebShell和不存在WebShell的页面进行特征学习,完成对未知页面的预测,灵活性、适应性较好.实验证明,相比传统的WebShell检测方法,该算法的检测效率、正确率更高,同时也能以一定概率检测出新型的WebShell.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李景	国家电网浙江省电力公司电力科学研究院	2	9	1.0	2.0
2	卢新岱	国家电网浙江省电力公司电力科学研究院	2	9	1.0	2.0
3	戴桦	国家电网浙江省电力公司电力科学研究院	1	8	1.0	1.0
4	孙歆	国家电网浙江省电力公司电力科学研究院	1	8	1.0	1.0