基于LSTM-AutoEncoder的水平越权漏洞检测

• 作者: 李帅华 孙庆贺 赵明宇
• 来源期刊: 现代信息科技
• 关键词: LSTM-AutoEncoder模型 水平越权 深度学习 网络安全 漏洞检测
• 年，卷（期）: 2020,（23）
• 所属期刊栏目: 信息安全|Information Security
• 页码范围: 153-159
• 页数: 7页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2020.23.042

摘要

针对水平越权检测过程中,因无法识别越权场景页面带来的检测误报问题,提出了一种基于深度学习的LSTM-AutoEncoder无监督预测模型.该模型利用长短时记忆网络构建自动编码器,提取水平越权场景页面响应数据的文本特征并将其重建还原,统计还原结果与原始页面响应的误差,并根据未知页面的误差阈值判断水平越权的检测结果是否为误报.通过与One-Class SVM和AutoEncoder两种算法的比较,在真实业务数据下进行模型效果测试其有效性,为企业网络业务安全提供了保障.