首页> 中文期刊> 《微电子学与计算机》 >基于代价敏感Char-CNN的Web威胁识别方案

基于代价敏感Char-CNN的Web威胁识别方案

         

摘要

随着互联网技术的迅速发展,网络安全面临的威胁越发严峻,Web攻击量连年翻倍增长.针对当前Web威胁识别方法手动提取特征识别准确率低、正常和恶意类别样本分布不均衡的问题,本文提出了基于代价敏感的字符级卷积神经网络(Character-level Convolutional Neural Networks,Char-CNN)的Web威胁识别方案.首先分析Web请求特征,将原始数据统一格式,读取数据并拼接成字符序列,根据预先指定的索引字典将字符序列进行编码;其次利用字符级别CNN提取请求信息,对字符编码进行特征提取和特征选择用于模型训练;最后嵌入代价敏感学习,修改神经网络模型交叉熵损失函数,增加恶意样本分类错误的代价,通过反向传播调整模型参数及权值,进而利用Softmax层进行威胁识别.实验表明,基于代价敏感的字符级卷积神经网络进行Web威胁识别方案的准确率达到98.99%,相比已有威胁识别方案,在精确率、召回率和F1分数均有提升,并验证了本方案在不平衡数据集上的有效性.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号