基于自训练的半监督SQL注入检测算法

• 作者: 解银朋 周庆博 何金栋 谢新志 周嵩
• 来源期刊: 陕西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: SQL注入检测 自训练 机器学习 半监督学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 数据挖掘专题
• 页码范围: 37-43
• 页数: 7页
• 分类号: TP391
• 语种: 中文

摘要

针对基于监督学习的SQL注入检测方法在某些场景下不适用的问题,本文提出一种基于自训练的半监督SQL注入检测方法(self-training based semi-supervised SQL inj ection detection,S4ID).S4ID首先对SQL语句进行特征提取,包括基于语法树的模式提取和基于词袋模型的特征向量表示;然后使用基于自训练的半监督算法进行训练,通过从未标记样本中选取部分样本并打上伪标记,实现训练集的扩充,从而改善机器学习模型.实验结果表明,在有标记样本有限的情况下,S4ID可以利用未标记样本,取得比监督学习方法更好的SQL注入检测效果.