田俊峰,石 伟
1(河北大学 网络空间安全与计算机学院,河北 保定 071000) 2(河北省高可信信息系统重点实验室,河北 保定 071000)
随着Web服务应用范围的扩大,其不仅用于网站后端,也越来越多的作为移动应用程序的后端接口.通常网站和移动应用程序同时供用户访问,使用Web服务以API的方式作为后端服务器可以大大节约开发成本,提高效率.为保证向用户提供安全、可靠的服务.要求这些Web服务不仅能实时地处理海量的请求,且需要高效准确地识别出其中的Web攻击.而网络中Web服务面临的攻击越来越复杂[1],在黑客对Web服务发动攻击时,无论成功与否,都会产生Web攻击流量.目前检测Web攻击流量的方法主要有基于规则匹配[2]和基于机器学习两类.基于规则的方法存在严重依赖编写规则的人员,规则的限制宽泛时容易漏掉攻击以及正则引擎处理时的性能有瓶颈等不足.机器学习方法大多是使用采用手工方式提取流量特征,然后将提取到的特征输入至分类器进行分类识别,检测结果主要依赖于特征提取的效果.
结合Web攻击流量庞大且具有多变性的特点,研究卷积神经网络的理论与技术,提出一种基于卷积神经网络的Web攻击检测方法,将每次请求的Web流量转化为流量图像,充分利用卷积神经网络优异的图像识别能力,结合流量大小不确定的特点,构建基于空间金字塔池化(Spatial Pyramid Pooling,SPP)[3]的卷积神经网络(Convolutional Neural Network,CNN)[4,5],并用其学习Web攻击流量的特征,为检测到Web攻击流量提供……