基于机器学习的Web应用入侵威胁检测

• 作者: 杨成刚
• 来源期刊: 通信技术
• 关键词: 机器学习 威胁检测 特征提取 多分类模型
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 安全与保密|Security & Privacy
• 页码范围: 967-975
• 页数: 9页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2021.04.029

摘要

随着移动互联网的蓬勃发展,Web应用已经广泛深入各行各业.针对Web应用的攻击已成为企业面临的主要安全问题之一.面对日益增加的Web应用攻击,传统基于规则的安全产品难以实现对未知威胁的拦截,且随着规则的逐渐增加,将严重影响安全产品的性能.因此,研究多分类检测模型,实现模型对威胁数据的识别检测,并通过模型优化及真实环境数据进行对比验证.结果证明,基于随机森林及lightGBM算法构建的多分类模型,在多分类模型的评估指标上优于基于SVM的多分类检测模型,能够达到理想的检测效果.