شناسایی حملات سطح وب با رویکرد استخراج ویژگی مبتنی بر شبکه باورعمیق (DBN)

با افزایش روزافزون روند به اشتراک گذاری اطلاعات و دیگر فعالیتهایی که در سطح وب جهان گستر انجام می شوند، وب به بستر مناسب جدیدی برای مشکل آفرینی مهاجمان تبدیل شده است. دسترسی به روش های کارآمد و نتیجه بخش برای شناسایی حملات سطح وب به منظور تضمین امنیت این شبکه، امری حساس و حائز اهمیت است. طی سال های اخیر، روش های یادگیری ماشینی متعددی برای شناسایی حملات سطح وب مورد استفاده قرار گرفته اند. ما در این مقاله، به معرفی یک روش یادگیری عمیق برای شناسایی حملات سطح وب با استفاده از یک شبکه عصبی کانولوشن با طراحی ویژه می پردازیم. این روش بر مبنای تحلیل بسته های درخواست HTTP تعریف می شود که برای بازنمایی استخراج خودکار ویژگی ها از یک شبکه باور عمیق (DBN) بهره گرفته شده است، نتایج ارزیابی بر روی مجموعه داده 2010HTTP DATASE CSIC نشان می دهد که روش پیشنهادی ضمن عملکرد مطلوب شناسایی و در عین حال حفظ نرخ پایین هشدار کاذب، نتایج رضایت بخشی در خصوص شناسایی حملات سطح وب به دست می دهد.

Keywords:

حملات سطح وب , یادگیری عمیق , شبکه عصبی کانولوشن , شبکه باور عمیق (CNN)