机器学习在SQL注入攻击检测中的应用

• 作者: 刘绍廷 杨孟英 朱广全 袁媛
• 来源期刊: 河南科技
• 关键词: TF-IDF SQL注入攻击 文本向量化 机器学习
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 信息技术|ELECTRONIC TECHNOLOGY
• 页码范围: 23-27
• 页数: 5页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1003-5168.2021.08.016

摘要

本文以结构化查询语言(SQL)为研究对象,利用词袋(BoW)模型和词频-逆文档频率(TF-IDF)算法两种方法进行SQL语句向量化.文本向量化后,特征矩阵维数大大增加,很难在后面数据训练和预测中使用.为解决这个问题,对大量SQL注入攻击语句与用户正常输入的SQL语句进行研究分析,概括出28个特征关键词.同时,使用决策树、XGBoost和随机森林三个分类模型,对数据集进行模型训练及预测.实验结果表明:与词袋(BoW)模型相比,词频-逆文档频率(TF-IDF)算法的准确率、召回率、F分数、精确率均提高了10％左右.此外,ROC曲线也说明了该方法的有效性.