文献类型：期刊文章

作　　者：胥小波[1,2] 聂小明[1]

XU Xiao-bo;NIE Xiao-ming(China Cyber Security Co.,Ltd.,Chengdu Sichuan 610041,China;No 30 Institute of CETC,Chengdu Sichuan 610041,China)

机构地区：[1]中国电子科技网络信息安全有限公司,四川成都610041 [2]中国电子科技集团公司第三十研究所,四川成都610041

出　　处：《通信技术》

年　　份：2018

卷　　号：51

期　　号：4

起止页码：895-900

语　　种：中文

收录情况：RCCSE、普通刊

摘　　要：Web Shell是网络入侵常用的工具,具有隐蔽性高、威害性大等特点。现有Web Shell检测方法在检测已知Web Shell时检测准确率较高,但面对复杂灵活的未知、变种Web Shell时,检测准确率很低。针对这一问题,提出了一种基于多层感知器(Multi-Layer Perceptron,MLP)神经网络的Web Shell检测方法。首先通过编译工具将样本源码转化为样本字节码,然后使用Bi-Gram将样本字节码切分为字节码序列,再使用TF-IDF计算词频矩阵,并在此基础上筛选特征得到训练样本集的特征矩阵,最后通过多层神经网络训练得到检测模型。实验结果证明:与现有方法相比,构建的检测模型能大幅提升检测准确率、精度及召回率,且对于未知、变种样本的检测准确率能达到90%以上。

关 键 词：多层神经网络 WEBSHELL 机器学习  网络安全 入侵检测

分 类 号：TP393.08]