基于RoBERTa增强合成的恶意API请求检测

Web应用程序和API面临来自恶意行为者的持续威胁，他们试图利用漏洞获取非法利益。为了防御这些威胁，必须拥有能够识别各种恶意行为的异常检测系统。然而，该领域的一个重大挑战是训练数据的有限可用性。现有数据集通常不能充分覆盖实际场景中遇到的多样化API结构、参数格式和使用模式。因此，在这些数据集上训练的模型往往难以泛化，可能无法检测到不太常见或新兴的攻击向量。为了提高检测准确性和鲁棒性，获取更大、更具代表性的数据集以捕捉API流量的真实变异性至关重要。为了解决这个问题，我们引入了一个GAN启发的学习框架，通过有针对性的、领域感知的合成来扩展有限的API流量数据集。借鉴自然语言处理（NLP）技术，我们的方法利用基于Transformer的架构，特别是RoBERTa，来增强API请求的上下文表示，并生成与安全特定语义一致的真实合成样本。我们在两个基准数据集CSIC 2010和ATRDF 2023上评估了我们的框架，并与之前的数据增强技术进行了比较，以评估领域特定合成的重要性。此外，我们将增强数据应用于各种异常检测模型，以评估其对分类性能的影响。我们的方法在CSIC 2010上F1分数提高了4.94%，在ATRDF 2023上提高了21.10%。本工作的源代码可在https://github.com/ArielCyber/GAN-API获取。