基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于 PHP 的在线跨站脚本检测工具
跨站脚本
Web
PHP
安全检测
扫描
一种基于支持向量机的跨站脚本漏洞检测技术
支持向量机
跨站脚本攻击
特征向量
Web安全
特征选择
RE-SVM-RFE算法
基于渗透测试的跨站脚本漏洞检测方法研究
跨站脚本漏洞
渗透测试
Web安全
cookie
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 BiLSTM在跨站脚本检测中的应用研究
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (2)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
跨站脚本(XSS)
解码技术
word2vec
双向长短时记忆网络(BiLSTM)
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
论文1v1指导