摘  要

 

 Web攻击数量逐年增长，攻击手段日趋多样化，传统的基于规则的Web入侵检测方法无法检测新的Web攻击，同时存在规则建立和维护困难，检测效率低的问题。针对这些问题本文设计并实现了基于卷积神经网络的Web攻击检测系统，该系统利用大量的Web请求来训练卷积神经网络，检测阶段利用神经网络来实现攻击的检测。该系统在CSIC2012数据上的f1-score达到了99.34%，说明了该检测方法具有高准确率。此外本系统也基于信息熵实现了Web应用的安全态势评估，可以借助图表来展现Web攻击的细节，便于安全人员更好地发现Web攻击。

 

关键词：Web攻击检测，深度学习，卷积神经网络，安全态势评估

目  录

 

第一章 绪论 1

1.1 课题研究背景及研究意义 1

1.2 研究内容与目标 1

第二章 相关工作 3

2.1 HTTP请求的分类 3

2.2 卷积神经网络的简介 3

2.3 态势值的计算 4

第三章 系统的设计 5

3.1 系统架构设计 5

3.2 系统功能设计 6

3.3 系统运作流程 6

3.4 基于卷积神经网络的Web攻击检测方法 7

3.4.1 HTTP请求的处理 7

3.4.2 神经网络的训练 8

3.4.3 Web攻击检测 9

3.5 基于信息熵的Web安全态势评估方法 9

3.5.1 态势评估流程 9

3.5.2 态势评估质标 10

2.2.3 态势计算过程 11

第四章 系统的实现 12

4.1 首页模块的实现 12

4.2 攻击检测模块的实现 12

4.3 攻击分析模块的实现 13

4.4 态势评估模块的实现 13

第五章 系统的测试 15

5.1 测试环境 15

5.2 功能测试 15

5.3 性能测试 16

5.4 测试对比 17

5.4.1 检测方法测试分析 17

5.4.2 与CRS规则集的对比 18

第六章 总结与展望 19

6.1 总结 19

6.2 展望 19

参考文献 21

致  谢 22