用于检测与缓解Web漏洞及Web攻击的机器学习
密码学与安全
2023-05-01 v1 人工智能
计算机与社会
机器学习
摘要
跨站脚本(XSS)和跨站请求伪造(CSRF)等关键Web漏洞与攻击的检测和缓解一直是Web安全领域的重大关切。此类Web攻击不断演化，检测愈发困难。学界已从多种角度提出若干思路，可用于提升这些Web漏洞的检测性能并防止攻击发生。研究人员近来采用机器学习技术防御XSS与CSRF，鉴于积极的研究结果，可认为这是一个有前景的研究方向。本文旨在简要综述已发表的、将经典与先进机器学习应用于识别和预防XSS与CSRF的相关工作。本综述旨在梳理已实施的不同机器学习方法，理解各项研究的核心要点，讨论其积极影响与仍存在的不足，从而帮助研究者确定开发新方法的最佳方向，并鼓励研究者关注Web安全与机器学习的交叉领域。
引用
@article{arxiv.2304.14451,
title = {Machine Learning for Detection and Mitigation of Web Vulnerabilities and Web Attacks},
author = {Mahnoor Shahid},
journal= {arXiv preprint arXiv:2304.14451},
year = {2023}
}