基于序列注意力机制的卷积神经网络异常检测

• 作者: 周政 姚钟毓 李智星 李苑 梁馨元 王化明 王国胤
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 网络攻击 序列注意力机制 分类 深度学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信息科学
• 页码范围: 17-22
• 页数: 6页
• 分类号: TP319
• 字数: 4753字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2018149

摘要

随着互联网的飞速发展,Web攻击已经成为目前最严峻的网络安全威胁之一.一小段潜藏在正常Web请求中的恶意代码极有可能导致严重的信息泄露或其他安全事故.针对这一威胁,现有的研究主要集中于模式匹配与语法分析.然而,模式匹配和语法分析严重依赖于人力与专家知识,且通常只能检测出是否具有威胁,但不能定位恶意代码区域.提出一种新的卷积神经网络算法,可以从Web请求中检测出SQL注入攻击、Command攻击、本地文件包含和跨站脚本攻击等.得益于序列注意力机制,所提出的算法还可以从URL中定位出恶意代码的位置.实验结果表明,SA-CNN可以有效检测和定位URL中的恶意代码,并在几个公开的短文本分类数据集上也有良好的表现.