基于 LSTM、GRU 和堆叠自编码器集成的零日 Web 攻击检测
密码学与安全
2025-04-22 v1
摘要
Web 服务的快速增长显著增加了与用户信息相关的安全风险，由于 Web 攻击日益复杂且普遍。传统安全方法经常难以检测先前未知（零日）Web 攻击，使敏感用户数据面临重大风险。此外，减少 Web 安全任务中的人工干预可以最小化错误并提高可靠性。本文引入了一个智能系统，用于基于 novel one-class 集成方法检测零日 Web 攻击，该方法由三种_distinct_自编码器架构组成：LSTM 自编码器、GRU 自编码器和堆叠自编码器。我们的方法采用 novel tokenization strategy 将正常的 Web 请求转换为结构化数值序列，从而使集成模型能够通过唯一拼接和压缩来自每个自编码器的潜在表示来有效识别异常活动。该方法高效地检测未知 Web 攻击，同时有效解决了以往方法的常见局限性，如高内存消耗和过度误报率。广泛的实验评估表明，我们的集成方法在检测指标上取得卓越成绩：97.58% 的准确率、97.52% 的召回率、99.76% 的特异度和 99.99% 的精确率，误报率仅为 0.2%。这些结果凸显了该方法在通过准确可靠地检测 Web 攻击来提升现实世界 Web 安全方面的显著潜力。
引用
@article{arxiv.2504.14122,
title = {Detecting Zero-Day Web Attacks with an Ensemble of LSTM, GRU, and Stacked Autoencoders},
author = {Vahid Babaey and Hamid Reza Faragardi},
journal= {arXiv preprint arXiv:2504.14122},
year = {2025}
}