BiLSTM在跨站脚本检测中的应用研究

• 作者: 万良 程琪芩
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 跨站脚本(XSS) 解码技术 word2vec 双向长短时记忆网络(BiLSTM)
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 1338-1347
• 页数: 10页
• 分类号: TP393
• 字数: 6119字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1909035

摘要

目前传统的跨站脚本(XSS)检测技术大多使用机器学习方法,存在代码被恶意混淆导致可读性不高、特征提取不充分并且效率低等缺陷,从而导致检测性能不佳.针对上述问题,提出了使用双向长短时记忆网络检测跨站脚本攻击的方法.首先,对数据进行预处理,使用解码技术将跨站脚本代码还原到未编码状态,从而提高跨站脚本代码的可读性,再使用深度学习工具word2vec将解码后的代码转换为向量作为神经网络的输入;其次,使用双向长短时记忆网络双向学习跨站脚本攻击的抽象特征;最后,使用softmax分类器对学习到的抽象特征进行分类,同时使用dropout算法避免模型出现过拟合.对收集到的数据集进行实验,结果表明,与几种传统机器学习方法和深度学习方法相比,该检测方法表现出更优的检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万良	贵州大学计算机科学与技术学院	37	125	6.0	8.0
5	程琪芩	贵州大学计算机科学与技术学院	1	0	0.0	0.0