基于字符级CNN的恶意Web请求检测
密码学与安全
2018-11-22 v1
摘要
Web参数注入攻击常见且威力强大。在此类攻击中，恶意攻击者可利用HTTP请求，通过向HTTP请求参数中注入恶意代码来对服务器实施攻击。针对Web参数注入攻击，现有大多数Web入侵检测系统(WIDS)因缺乏再学习能力且很少关注字符间的内在联系，无法发现未知新攻击且误报率(FPR)高。本文提出一种基于改进卷积神经网络(CNN)模型、具备再学习能力的恶意请求检测系统。我们在卷积层前加入字符级嵌入层，使模型能够学习查询字符串字符间的内在联系。进一步，我们修改了CNN的滤波器，修改后的滤波器可提取查询字符串的细粒度特征。测试结果表明，与支持向量机(SVM)和随机森林(RF)相比，我们的模型具有更低的FPR。
引用
@article{arxiv.1811.08641,
title = {Malicious Web Request Detection Using Character-level CNN},
author = {Wei Rong and Bowen Zhang and Xixiang Lv},
journal= {arXiv preprint arXiv:1811.08641},
year = {2018}
}
备注
11 pages, 7 figures