基于RNN的Webshell检测研究

• 作者: 史崯 周龙 王晨
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 网络安全 Webshell 深度学习
• 年，卷（期）: 2020,（14）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 88-92
• 页数: 5页
• 分类号: TP393.08|TP183
• 字数: 5208字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1904-0420

摘要

近年来,互联网行业发展迅速,网络安全的重要性与日俱增.网络安全领域涉及到各种问题,比如恶意代码检测、攻击溯源等,而Webshell作为一种恶意代码,也得到了学术界和业界的关注.Webshell的检测方法除了简单低效的关键词匹配之外,还有各种机器学习算法.Webshell代码经过逃逸技术处理之后,基于关键词匹配的检测算法无法有效检测出Webshell,常规的机器学习算法不能提取深层特征,检测准确率不高.因此,提出基于RNN的Webshell检测方法.实验结果表明,该方法在准确率、漏报率、误报率等指标上优于传统的机器学习算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晨		2	3	1.0	1.0
2	周龙		1	0	0.0	0.0
3	史崯		1	0	0.0	0.0