WAF-A-MoLE：通过对抗机器学习规避 Web 应用防火墙
密码学与安全
2020-04-02 v1
摘要
Web 应用防火墙被广泛用于生产环境中以缓解 SQL 注入等安全威胁。许多工业产品依赖基于签名的技术，但机器学习方法正变得越来越流行。对抗者的主要目标是构造语义恶意的载荷以绕过 WAF 执行的语法分析。本文中，我们提出 WAF-A-MoLE，一种对对抗者存在进行建模的工具。该工具利用一组变异算子来改变载荷的语法而不影响其原始语义。我们针对现有 WAF 评估了该工具的性能，这些 WAF 使用我们公开可用的 SQL 查询数据集训练。我们展示了 WAF-A-MoLE 绕过了所有被考虑的基于机器学习的 WAF。
引用
@article{arxiv.2001.01952,
title = {WAF-A-MoLE: Evading Web Application Firewalls through Adversarial Machine Learning},
author = {Luca Demetrio and Andrea Valenza and Gabriele Costa and Giovanni Lagorio},
journal= {arXiv preprint arXiv:2001.01952},
year = {2020}
}