一种基于CNN的Web自动扫描器指纹识别模型制造技术

Web自动扫描器能够帮助没有任何网络安全知识的网站应用管理员找到网站漏洞。网络攻击者通常由于方便和高效，使用某些工具进行大量攻击。本说明书阐述了一种对不同自动化工具的指纹进行分类的的架构。本说明书的目的之一是从不同的工具中分析负载特征，并使用深度学习算法来识别它们。此外，本专利还设计了一种基于docker的分布式扫描器数据收集体系结构，同时提出了一种用于分割海量原始序列数据的状态窗口方法。最后，本专利用真实数据对框架进行了评估。实验表明，本架构可以利用卷积神经网络简化提取特征，准确识别基于扫描状态而非指纹的扫描器。本专利模型可以提供94.6%的准确率和95.0%的召回率。

A Fingerprint Recognition Model of Web Automatic Scanner Based on CNN

Web automatic scanner can help web application administrators without any knowledge of network security to find web site vulnerabilities. Because of its convenience and efficiency, network attackers usually use some tools to carry out a large number of attacks. This manual describes a framework for classifying fingerprints of different automation tools. One of the purposes of this specification is to analyze load characteristics from different tools and use deep learning algorithms to identify them. In addition, this patent also designs a docker-based distributed scanner data collection architecture, and proposes a state window method for segmentation of massive raw sequence data. Finally, the patent evaluates the framework with real data. Experiments show that this architecture can use convolutional neural network to simplify feature extraction and accurately identify scanners based on scanning state rather than fingerprint. The patent model can provide 94.6% accuracy and 95.0% recall.

【技术实现步骤摘要】
一种基于CNN的Web自动扫描器指纹识别模型
本专利阐述了一种对不同自动化工具的指纹进行分类的的架构。本专利也设计了一种基于docker的分布式扫描器数据收集体系结构，提出了一种用于分割海量原始序列数据的状态窗口方法，利用真实数据对框架进行了评估。该专利利用卷积神经网络简化提取特征，准确识别基于扫描状态而非指纹的扫描器。
技术介绍
网站应用程序中许多复杂的交互会带来很多的问题。这些漏洞通常需要安全专家来发现。自动扫描器是网站管理员设计和使用的一种处理网站安全问题的工具。但由于其强大的自动漏洞发现功能，攻击者也广泛使用这些工具。此攻击可能威胁个人隐私和财产安全。自动网络扫描器可分为白盒扫描器和黑盒扫描器。本文重点介绍一种黑盒式网络扫描器。黑盒网站应用程序漏洞扫描程序是一种自动工具，用于探测网站应用程序的安全漏洞，而无需访问源代码。此类工具的一个典型核心是由爬虫组件、攻击者组件和分析组件组成。在攻击者组件方面，不同的工具往往具有独特的攻击功能。因此，这些独特的功能可用于识别。由于自动化工具的广泛使用，在这一领域已经进行了大量的研究。但大多数研究人员都专注于比较扫描能力和速度，因此忽略了恶本文档来自技高网...

【技术保护点】
1.本专利技术公开了一种基于卷积神经网络（CNN）的Web自动扫描器指纹识别模型，其特征包括以下步骤：A、用于实验数据收集的分布式结构，快速收集不同扫描仪的指纹日志并对其进行标记；B、预处理原始数据，从Weblog中提取web请求；C、基于卷积神经网络的分类模型，并对分类模型进行评估。

【技术特征摘要】
1.本发明公开了一种基于卷积神经网络（CNN）的Web自动扫描器指纹识别模型，其特征包括以下步骤：A、用于实验数据收集的分布式结构，快速收集不同扫描仪的指纹日志并对其进行标记；B、预处理原始数据，从Weblog中提取web请求；C、基于卷积神经网络的分类模型，并对分类模型进行评估。2.根据权利要求1中步骤A所述的用于实验数据收集的分布式结构，其特征在于：A1、选择的网络扫描仪是AppScan，AWVS，Netspark，Vega和W3af，构成扫描仪集群；A2、每个工具都在docker中使用它们的默认设置来扫描网站；A3、每个docker都包含各种漏洞，可以触发这些工具的正常扫描状态，所有docker都由物理主机管理；A4、物理主机将使用分布式任务队列为扫描程序动态分配容器实例，每个虚拟Web主机一次只能由扫描仪占用。3.根据权利要求1中步骤B所述的预处理原始数据模块，其特征在于：B1、本模块专注...

【专利技术属性】
技术研发人员：黄诚，方勇，刘亮，龙啸，羊少帅，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川,51