一种基于注意力机制双卷积通道的web命令注入攻击检测方法技术

技术编号:41736164 阅读:17 留言:0更新日期:2024-06-19 12:55
本发明专利技术涉及一种基于注意力机制的双卷积通道的web命令注入攻击检测方法。本发明专利技术使用深度学习技术,提出了一种新的web命令注入攻击检测模型。通过结合web命令注入攻击的相关特征,使用双CNN卷积通道进行混合特征提取,使用BILSTM网络对提取到的语句序列特征进行双向识别,再结合注意力机制对关键字特征进行权重分配。本发明专利技术在数据集上进行训练与测试,与当前领域其他检测方法进行对比。实验结果表明,与其他传统检测相比,本发明专利技术可以更有效地识别web命令注入攻击。

【技术实现步骤摘要】

:本专利技术涉及一种基于注意力机制双卷积通道的web命令注入攻击检测方法,该方法在网络安全领域中有着很好的应用,主要用于检测web命令注入攻击。


技术介绍

0、
技术介绍

1、人工智能技术作为新兴互联网技术的代表,极大地改善了人们的生活方式。在这场信息革命的浪潮中,我们需要正视一个严峻的问题——网络安全问题。随着新兴互联网技术的广泛应用,网络安全问题变得更加紧迫,由于网络安全问题导致网络安全事件的影响也变得更为严重,所以确保web应用程序的安全性变得尤为重要。

2、对web命令注入攻击技术进行深入的研究,在应用程序外部进行网络攻击检测,在waf中集成入侵检测,对于保护应用程序安全、洞悉网络攻击机理、快速进行应急响应、保护应用程序数据的完整性等方面意义重大。


技术实现思路

0、
技术实现思路

1、为了准确的识别网络中的web命令注入攻击,保证web应用程序的安全性,本专利技术基于深度学习技术,针对web命令注入攻击流量进行识别检测。

2、为此,本专利技术提供了如下本文档来自技高网...

【技术保护点】

1.基于注意力机制双卷积通道的web命令注入攻击检测方法,该方法包括以下步骤:

2.根据权利要求1所述的基于注意力机制双卷积通道的web命令注入攻击检测方法,其特征在于,所述步骤1中,将web命令注入攻击流量进行预处理,具体步骤为:

3.根据权利要求1所述的基于注意力机制双卷积通道的web命令注入攻击检测方法,其特征在于,所述步骤2中,将预处理后的web命令注入攻击数据放入并行双卷积通道中进行特征提取,并将每个卷积通道生成的特征向量进行最大池化,然后拼接成全局特征向量,具体步骤为:

4.根据权利要求1所述的基于注意力机制的双卷积通道的web命令注入攻击...

【技术特征摘要】

1.基于注意力机制双卷积通道的web命令注入攻击检测方法,该方法包括以下步骤:

2.根据权利要求1所述的基于注意力机制双卷积通道的web命令注入攻击检测方法,其特征在于,所述步骤1中,将web命令注入攻击流量进行预处理,具体步骤为:

3.根据权利要求1所述的基于注意力机制双卷积通道的web命令注入攻击检测方法,其特征在于,所述步骤2中,将预处理后的web命令注入攻击数据放入并行双卷积通道中进行特征提取,并将每个卷积通道生成的特征向量进行最大池化,然后拼接成全局特征向量,具体步骤为:

4.根据权利要求1所...

【专利技术属性】
技术研发人员:王新宇翟继强翟忠辉
申请(专利权)人:哈尔滨理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1