基于多层感知器神经网络的WebShell检测方法

• 作者: 聂小明 胥小波
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 多层神经网络 WebShell 机器学习 网络安全 入侵检测
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 安全与保密
• 页码范围: 895-900
• 页数: 6页
• 分类号: TP393.08
• 字数: 5114字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2018.04.028

摘要

WebShell是网络入侵常用的工具,具有隐蔽性高、威害性大等特点.现有WebShell检测方法在检测已知WebShell时检测准确率较高,但面对复杂灵活的未知、变种WebShell时,检测准确率很低.针对这一问题,提出了一种基于多层感知器(Multi-Layer Perceptron,MLP)神经网络的WebShell检测方法.首先通过编译工具将样本源码转化为样本字节码,然后使用Bi-Gram将样本字节码切分为字节码序列,再使用TF-IDF计算词频矩阵,并在此基础上筛选特征得到训练样本集的特征矩阵,最后通过多层神经网络训练得到检测模型.实验结果证明:与现有方法相比,构建的检测模型能大幅提升检测准确率、精度及召回率,且对于未知、变种样本的检测准确率能达到90％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胥小波		7	33	3.0	5.0
5	聂小明		2	9	1.0	2.0