algoXSSF：通过机器学习算法检测和分析跨站请求伪造 (XSRF) 与跨站脚本 (XSS) 攻击
密码学与安全
2024-02-05 v1
摘要
全球在线用户和在线设备的增加最终导致了全球互联网人口的增长，同时也引发了多种网络犯罪和网络攻击。需要结合新兴技术与强大算法（人工智能、深度学习和机器学习）来应对包括针对多个搜索引擎和网站的攻击在内的 Web 安全防御。网络犯罪和网站攻击前所未有的增长率促使人们考虑采用新技术以保护在线数据和信息。近期持续发生的针对网站和 Web 域的网络攻击包括数据泄露，仅举几例：GitHub 账户被黑、Twitter 数据泄露、WordPress 插件中的恶意软件以及 Tomcat 服务器漏洞等。除了检测和两种主要网络攻击（尽管还有更多类型）的分析外，我们还进行了深入的研究：跨站请求伪造 (XSRF) 和跨站脚本 (XSS) 攻击。借助机器学习和 AI 算法的优势，可以轻易识别网络趋势和模式并持续改进。使用机器学习算法将极有助于对抗（除检测外）XSRF 和 XSS 攻击。我们开发了算法和网络防御框架 algoXSSF，其中嵌入了机器学习算法，以检测和应对针对网站的恶意攻击（包括中间人攻击）并进行分析。
引用
@article{arxiv.2402.01012,
title = {algoXSSF: Detection and analysis of cross-site request forgery (XSRF) and cross-site scripting (XSS) attacks via Machine learning algorithms},
author = {Naresh Kshetri and Dilip Kumar and James Hutson and Navneet Kaur and Omar Faruq Osama},
journal= {arXiv preprint arXiv:2402.01012},
year = {2024}
}
备注
8 pages, 6 figures