基于序列注意力机制的卷积神经网络异常检测.pdf

第51卷第2期郑州大学学报(理学版)Vol.51No.2()2019年6月J．ZhengzhouUniv．Nat．Sci．Ed．Jun．2019基于序列注意力机制的卷积神经网络异常检测李苑王国胤李智星王化明周政姚钟毓梁馨元()重庆邮电大学计算机科学与技术学院计算智能重庆市重点实验室重庆400065摘要:随着互联网的飞速发展Web攻击已经成为目前最严峻的网络安全威胁之一．一小段潜藏在正常Web请求中的恶意代码极有可能导致严重的信息泄露或其他安全事故．针对这一威胁现有的研究主要集中于模式匹配与语法分析．然而模式匹配和语法分析严重依赖于人力与专家知识且通常只能检测出是否具有威胁但不能定位恶意代码区域．提出一种新的卷积神经网络算法可以从Web请求中检测出SQL注入攻击、Command攻击、本地文件包含和跨站脚本攻击等．得益于序列注意力机制所提出的算法还可以从UＲL中定位出恶意代码的位置．实验结果表明SA-CNN可以有效检测和定位UＲL中的恶意代码并在几个公开的短文本分类数据集上也有良好的表现．关键词:网络攻击;序列注意力机制;分类;深度学习()中图分类号:TP319文献标志码:A文章编号:1671-6841201902-0017-06DOI:10.13705/j．issn．1671－6841.20181490引言互联网为人们提供了优质的工作与生活环境但同时也给人们带来了一定的安全隐患．WordPressSEObyYoast插件在2015年被曝出有高危的SQL注入漏洞该漏洞导致了大量敏感信息的泄露．2016年2.7亿的Gmail、Yahoo和Hotmail账号遭到泄露黑客将窃取得到的数据进行交易．2017年GitHub企业版被曝出具有SQL注入漏洞本次漏洞的产生是由文件中内置的对象关系映射造成的．