基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
采用随机森林改进算法的WebShell检测方法
WebShell检测
随机森林
特征划分
Fisher准则
基于机器学习算法的网络入侵检测
网络安全
入侵行为
机器学习算法
入侵检测
分类器
检测误差
基于BPTT算法的webshell检测研究
webshell
截断反向传播
web安全
深度学习
基于机器学习算法的Android恶意程序检测系统
随机森林
恶意代码检测
多类特征
安卓应用
机器学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 智能检测WebShell的机器学习算法
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (54)
共引文献  (41)
参考文献  (10)
节点文献
引证文献  (8)
同被引文献  (11)
二级引证文献  (4)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(15)
  • 参考文献(1)
  • 二级参考文献(14)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(6)
  • 参考文献(2)
  • 二级参考文献(4)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(7)
  • 参考文献(1)
  • 二级参考文献(6)
2015(6)
  • 参考文献(2)
  • 二级参考文献(4)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(8)
  • 引证文献(5)
  • 二级引证文献(3)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
WebShell检测
矩阵分解
特征训练
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
网络与信息安全学报
双月刊
2096-109X
10-1366/TP
16开
北京市丰台区成寿路11号邮电出版大厦8层
2015
chi
出版文献量(篇)
525
总下载数(次)
6
总被引数(次)
1380
论文1v1指导