机器学习辅助的 Web 应用虚拟补丁
密码学与安全
2018-03-16 v1
摘要
Web 应用永久暴露于利用其漏洞的攻击之下。本工作中，我们研究机器学习技术的应用以强化 Web 应用防火墙（WAF）——一种用于检测与阻止攻击的技术。我们提出一种基于单类分类与 n-gram 分析的机器学习模型组合方法，以增强 MODSECURITY（一个开源且广泛使用的 WAF）的检测与准确能力。结果颇有前景，并在以 OWASP 核心规则集（一种广泛部署的、基于规则的 WAF 技术的基线配置）配置时优于 MODSECURITY。所提出的结合两种方法的方案，使我们能在无应用训练数据时部署 WAF（使用单类分类），并在有训练数据时利用 n-grams 部署改进版。
引用
@article{arxiv.1803.05529,
title = {Machine learning-assisted virtual patching of web applications},
author = {Gustavo Betarte and Eduardo Giménez and Rodrigo Martínez and Álvaro Pardo},
journal= {arXiv preprint arXiv:1803.05529},
year = {2018}
}