基于深度学习的Web注入行为实时检测技术研究
摘要
随着基于Web环境的互联网应用越来越广泛,Web攻击的手段也越来越多样,其中注入攻击是Web安全领域中最常见的一种攻击方式,本文提出一种基于深度学习的Web注入行为实时检测模型,基于原始数据利用CNN网络改造成的Web攻击检测网络(WACNN)进行模型训练并对模型进行在线实时加载检测,取得良好效果。
出处
《网络安全技术与应用》
2019年第7期39-40,共2页
Network Security Technology & Application
参考文献4
-
1蔡洪民,王庆香.基于深度学习的入侵检测技术研究[J].网络安全技术与应用,2017(11):62-64. 被引量:9
-
2武飞,曾凡平,张辉,董齐兴.数据流应用层载荷特征正则表达式的自动提取[J].小型微型计算机系统,2014,35(8):1711-1716. 被引量:2
-
3陈耀丹,王连明.基于卷积神经网络的人脸识别方法[J].东北师大学报(自然科学版),2016,48(2):70-76. 被引量:51
-
4傅建明,黎琳,王应军.基于CNN的Webshell文件检测[J].郑州大学学报(理学版),2019,51(2):1-8. 被引量:13
二级参考文献36
-
1WANG X,TANG X.Dual-space linear discriminant analysis for face recognition[C]//CVPR 2004 Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Washington:IEEE ?2004?2?564-569.
-
2HEISELE B,HO P,POGGIO T.Face recognition with support vector machines:Global versus component-based approach[C]// ICCV 2001 Proceedings.Eighth IEEE International Conference on Computer Vision.Los Aiamitos:IEEE,2001,2:688-694.
-
3ABATE A F,NAPPI M,RICCIO D,et al.2D and 3D face recognition a survey[J].Pattern Recognition Letters,2007,28(14):1885-1906.
-
4NEFIAN A V,HAYES III M H.Hidden markov models for face recognition[C]//1998 IEEE International Conference on Acoustics*Speed and Signal Processing,Washington:IEEE,1998:2721-2724.
-
5AHRANJANY S S,RAZZAZI F,GHASSEMIAN M H.A very high accuracy handwritten character recognition system for Farsi/Arabic digits using Convolutional Neural Networks[C]//Theories and Applications(BIC-TA),2010 IEEE Fifth International Conference on Bio-Inspired Computing.Beijing:IEEE,2010;1585-1592.
-
6SYAFEEZA A R,KHALIL-HANI M,LIEW S S,et al.Convolutional neural network for face recognition with pose and Illumination Variation[J].International Journal of Engineering & Technology,2014,6(1):44-57.
-
7TOSHEV A,SZEGEDY C.Deeppose:Human pose estimation via deep neural networks[C]//2014 IEEE Conference on Computer Vision and Pattern Recognition(CVPR).Los Alamitos:IEEE,2014:1653-1660.
-
8SERMANET P,EIGEN D,ZHANG X,et al.Overfeat integrated recognition,localization and detection using convolutional networks[J].Neural Networks,2003,16(5):555-559.
-
9LECUN Y,BOTTOU L,BENGIO Y,et al.Gradient-based learning applied to document recognition[J].Proceedings of the IEEE,1998,86(11):2278-2324.
-
10HUANG V S,SHADMEHR R,DIEDRICHSEN J.Active learning:learning a motor skill without a coach[J].Journal of neurophysiology,2008,100(2):879-887.
共引文献71
-
1谭宇辰,蔡晶晶,倪辰.基于深度学习的Web攻击检测技术研究[J].信息网络安全,2020(S02):122-126.
-
2何树果,张福,朱震,程度.Webshell检测方案探索与实践[J].信息网络安全,2020(S01):141-144. 被引量:3
-
3梁蒙蒙,周涛,张飞飞,杨健,夏勇.卷积神经网络及其在医学图像分析中的应用研究[J].生物医学工程学杂志,2018,35(6):977-985. 被引量:16
-
4刘洋,韩广良,史春蕾.基于SIFT算法的多表情人脸识别[J].液晶与显示,2016,31(12):1156-1160. 被引量:16
-
5李春利,柳振东,惠康华.基于卷积神经网络的人脸识别研究[J].软件导刊,2017,16(5):186-188. 被引量:5
-
6赵荷,赵海燕,宁多彪,谭良.基于序列比对检测的优化SRE多态蠕虫防御方法[J].计算机工程与设计,2017,38(9):2379-2384. 被引量:2
-
7郝岩,白艳萍,张校非,杜敦伟.卷积神经网络在SAR目标识别中的应用[J].重庆理工大学学报(自然科学),2018,32(5):204-209. 被引量:8
-
8银玉琳,黄山.基于卷积神经网络SAR图像仿真参数预测[J].电光与控制,2018,25(8):60-64. 被引量:7
-
9邱文龙.一种改进的卷积神经网络人脸识别算法[J].现代计算机,2018,24(12):50-53. 被引量:1
-
10杜柏圣.卷积网络的无监督特征提取对人脸识别的研究[J].计算机技术与发展,2018,28(6):17-20. 被引量:11
-
1徐强.币圈用户请小心 WebInjects可以清空你的加密货币账户[J].计算机与网络,2018,44(8):47-47.
-
2何金栋.基于PHP的Web应用SQL注入漏洞检测系统的设计和实现[J].电子测试,2017,28(12X):72-73. 被引量:6
-
3朱晓蒙,符云琴.基于图像的课堂考勤系统开发[J].湖北农业科学,2019,58(3):111-115. 被引量:1
-
4吴涛,王伟斌,于力,谢蓓敏,尹维崴,王洪玉.轻量级YOLOV3的绝缘子缺陷检测方法[J].计算机工程,2019,45(8):275-280. 被引量:45
-
5柳杨,李君,左越.数字经济发展态势与关键路径研究[J].中国管理信息化,2019,22(15):112-114. 被引量:15
-
6刘元鹏.基于转矩达标法的汽油车辆动力性台架检测方法[J].中国测试,2017,43(10):14-17. 被引量:2
-
7刘元鹏,仝晓平.基于达标法的柴油车辆动力性台架检测方法[J].公路交通科技,2018,35(6):131-136. 被引量:4
-
8陈恩红.特约主编寄语[J].南京信息工程大学学报(自然科学版),2019,11(3).
-
9张柯,刘清波,胡永林,王大成.巴尔通氏体效应蛋白BepE干扰人源Csk蛋白信号通路的结构与功能分析[J].生物化学与生物物理进展,2018,45(1):51-58.
-
10王丽,彭垚,傅冰飞,邵蔚元,汪宏.多级调优的人脸检测网络[J].计算机应用,2019,39(A01):18-20. 被引量:1