计算机工程与科学

作者：车生兵, 张光琳

单位：中南林业科技大学计算机与信息工程学院,湖南 长沙 410004

关键词：深度学习,Web安全,Webshell,

基金：国家自然科学基金（31870532）

以AWD攻防中Webshell检测为背景，在超空间利用模糊C均值聚类分析发现了攻击向量全局稀疏、局部紧密的特点，提出了2种深度学习模型。由于GitHub收集的攻击行为多为随机获取，没有很好的针对性，所以对训练数据的长度进行了限制，并保留了有限的相关样本数量。由于一次攻击与相邻的2~4次操作紧密相关，而且攻击向量垂直方向关联特征明显，水平方向相对稳定，考虑到特征向量在传递过程中规模会减小，增加了卷积层的补零选项。针对深度学习训练曲线中的锯齿振荡现象，证明了Adam优化算法的快速计算公式，并修正了学习参数，不断消除了训练的Loss曲线中的锯齿，使得训练曲线按照指数规律平滑下降，迅速得到需要的训练结果。将目前已有的类似工作与提出的2种深度学习模型进行对比。实验结果表明，提出的的深度学习模型能够很好地检测出AWD中的Webshell攻击。

来源：2022年第6期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第6期