基于FP-growth优化SVM分类器的跨站脚本攻击检测研究  

The Research of Detection XSS Attack Based on FP-growth Optimized SVM Classifier

作　　者：李仁杰 华驰[1,2] 鲁志萍 Li Renjie;Hua Chi;Lu Zhiping(Jiangsu Vocational College of Information Technology,Wuxi,Jiangsu 214153;College of Computer Science and Technology,Najing University of Aeronautics and Astronautics,Nanjing 211106)

机构地区：[1]江苏信息职业技术学院物联网工程学院,江苏无锡214153 [2]南京航空航天大学计算机科学与技术学院,南京211106

出　　处：《信息安全研究》2020年第9期766-774,共9页Journal of Information Security Research

基　　金：江苏省“333”高层次人才工程项目(苏人才[2016]7号);江苏省高等职业院校高水平骨干专业建设工程项目(苏教高[2017]11号);江苏省“青蓝工程”优秀教学团队项目(苏教师[2017]15号);江苏省高等职业教育产教融合集成平台项目(苏教职[2019]31号);江苏省教育科学“十三五”规划项目(C-b/2016/03/10)。

摘　　要：跨站脚本(cross-site scripting,XSS)攻击是一种基于Web的安全攻击,是目前影响互联网安全的最为严重的威胁之一.通过对支持向量机(SVM)分类器的XSS攻击检测相关技术的研究,提出了一种基于关联分析算法(FP-growth)优化SVM分类器的XSS攻击自动检测策略,实验结果证明该策略有效提高了XSS攻击检测精准度.XSS(cross-site scripting)is a Web-based security attack that is one of the most serious threats to Internet security today.By analyzing the principle of XSS attack detection based on SVM(support vector machine)classifier,paper proposes an association detection algorithm(FPgrowth)optimizes the XSS attacker detection method,it is verified by experiments that this method can effectively improve the accuracy of XSS detection compared with the common SVM detection method.

关 键 词：机器学习 跨站脚本 支持向量机 关联分析算法 攻击 检测方法 

分 类 号：TP309[自动化与计算机技术—计算机系统结构]