基于MLP-HMM的跨站脚本攻击检测

计算机工程与科学

• 计算机网络与信息安全 • 上一篇下一篇

基于MLP-HMM的跨站脚本攻击检测

周康，万良，丁红卫

（贵州大学计算机科学与技术学院,贵州贵阳 550025 ）

收稿日期:2018-09-12 修回日期:2019-01-25 出版日期:2019-08-25 发布日期:2019-08-25
基金资助:
贵州省科学基金黔科合J字［2011］（2328）；贵州省科学基金黔科合LH字［2014］（7634）

A cross-site script detection method

based on MLP-HMM

ZHOU Kang,WAN Liang,DING Hong-wei

（School of Computer Science and Technology,Guizhou University,Guiyang 550025,China）

Received:2018-09-12 Revised:2019-01-25 Online:2019-08-25 Published:2019-08-25

摘要/Abstract

摘要：

针对隐马尔科夫模型（HMM）在跨站脚本检测中对初始先验假设估计不准确和以极大似然准则规定的HMM参数分类能力差的缺陷，提出了一种基于MLP-HMM的跨站脚本检测模型。首先，使用自然语言处理（NLP）方法解决数据高维复杂性问题。然后，通过多层感知机（MLP）神经网络学习对整个模型进行权值微调得到初始观察矩阵。最后，将该观察矩阵代入HMM中，增强HMM参数构建能力和分类能力。结果表明，结合MLP的HMM相比于原始HMM以及传统算法在跨站脚本检测上检测率有显著提高，并缩短了检测时间。

关键词: 跨站脚本检测, 隐马尔科夫模型, 多层感知机, 极大似然估计, 观察矩阵

Abstract:

Given that the estimation of the initial priori hypothesis of the hidden Markov model (HMM) in the cross-station script detection is inaccurate, and the ability of the HMM parameter classification with the maximal likelihood criterion is poor, we propose a cross station script detection model based on MLP-HMM. Firstly, we use the natural language processing (NLP) approach to solve the high-dimensional complexity problem of data. Then, the weights of the whole model are fine-tuned to get the initial observation matrix through the multi-layer perceptron (MLP) neural network learning. Finally, the observation matrix is put into the HMM model to enhance the model's capacity of parameter construction and classification. Experimental results show that the HMM model combined with MLP can significantly improve the detection rate and reduce the detection time in comparison with the original HMM and the traditional algorithm in cross-site script detection.

Key words: cross-site script detection, hidden Markov model (HMM), multi-layer perceptron (MLP), maximum likelihood estimate, observation matrix

周康，万良，丁红卫. 基于MLP-HMM的跨站脚本攻击检测[J]. 计算机工程与科学.

ZHOU Kang,WAN Liang,DING Hong-wei.

A cross-site script detection method

based on MLP-HMM

[J]. Computer Engineering & Science.

[1]	吴志豪, 张德军, 吴亦奇, 陈壹林. 一种基于MLP的高效高精度三维视线估计方法[J]. 计算机工程与科学, 2023, 45(11): 1982-1990.
[2]	郝占军, 乔志强, 党小超, 段渝. 一种基于CSI的高鲁棒性步态识别方法[J]. 计算机工程与科学, 2022, 44(07): 1302-1312.
[3]	张原, 姜焕成. 基于深度学习的大口径火炮健康管理系统研究[J]. 计算机工程与科学, 2020, 42(11): 2050-2058.
[4]	董哲1,唐湘滟1,程杰仁1,2,张晨1,林福生1. 基于HMM时间序列预测和混沌模型的DDoS攻击检测方法[J]. 计算机工程与科学, 2018, 40(12): 2164-2172.
[5]	胡瑗1，夏利民1，王嘉1,2. 基于轨迹分析的行人异常行为识别[J]. 计算机工程与科学, 2017, 39(11): 2054-2059.
[6]	王旭婧,陈长兴,任晓岳. 基于沃尔泰拉级数的模拟电路组合故障诊断法[J]. J4, 2015, 37(03): 446-451.
[7]	王浩伟1,徐廷学2,赵建忠2. 基于性能退化分析的电连接器可靠性评估[J]. J4, 2015, 37(03): 616-620.
[8]	陈永艳，戴伟. 分层渗透深度下隐马尔科夫风险评估模型[J]. J4, 2014, 36(09): 1690-1696.
[9]	吴俊军, 方明伟, 张新访. 基于启发式行为监测的手机病毒防治研究[J]. J4, 2010, 32(1): 35-38.
[10]	张国敏殷建平祝恩强永刚. 一种新的多层感知机隐含层神经元个数上限计算方法[J]. J4, 2007, 29(9): 137-139.

基于MLP-HMM的跨站脚本攻击检测

A cross-site script detection method

based on MLP-HMM

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 10

编辑推荐

Metrics

本文评价