计算机工程

作者：袁平宇, 邱林

单位：长江大学计算机科学学院, 湖北 荆州 434023

关键词：Web攻击检测,基于变换器的双向编码器表示,多模型融合,HTTP请求,文本卷积神经网络,双向长短期记忆网络

基金：湖北高校2020省级教研项目(2020418)

传统Web攻击检测方法准确率不高, 不能有效防范Web攻击。针对该问题, 提出一种基于变换器的双向编码器表示(BERT)的预训练模型、文本卷积神经网络(TextCNN)和双向长短期记忆网络(BiLSTM)多模型融合的Web攻击检测方法。先将HTTP请求进行预处理, 再通过BERT进行训练得到具备上下文依赖的特征向量, 并用TextCNN模型进一步提取其中的高阶语义特征, 作为BiLSTM的输入, 最后利用Softmax函数进行分类检测。在HTTP CSIC 2010和恶意URL检测两个数据集上对所提方法进行验证, 结果表明, 与支持向量机(SVM)、逻辑回归(LR)等传统的机器学习方法和现有较新的方法相比, 基于BERT的多模型融合的Web攻击检测方法在准确率、精确率、召回率和F1值指标上均表现更优(准确率和F1值的最优值都在99%以上), 能准确检测Web攻击。

来源：2024年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第11期