基于SVM和文本特征向量提取的SQL注入检测研究

• 作者: 李红灵 邹建鑫
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: SVM 文本特征 SQL注入 检测 提取
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 技术研究
• 页码范围: 40-46
• 页数: 7页
• 分类号: TP309.1
• 字数: 6984字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2017.12.008

摘要

SQL注入攻击具有危害大、攻击类型多、变异快、攻击隐蔽等特点,备受关注.文章提出一种基于SVM和文本特征向量提取的SQL注入检测技术,该技术结合了机器学习和自然语言统计技术.检测过程分为文本分析、特征提取和分类3个主要部分.SQL注入检测包括文本采集、基本特征提取、变形特征的数据统计、文本空间向量模型建立、模型训练、产生分类器、进行分类并得出分类结果等过程.实验结果显示,基于SVM和文本特征向量提取进行SQL注入检测具有很好的分类效果.依据机器学习评价训练模型的边缘曲线、混淆矩阵、效果分析、敏感性分析、特异性分析等评价方法结果显示,经过学习得到的SQL注入检测分类模型有较高的检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李红灵	云南大学信息学院计算机科学与工程系	15	46	4.0	6.0
2	邹建鑫	云南大学信息学院计算机科学与工程系	2	18	2.0	2.0