基于CNN-LSTM-attention的XSS攻击检测方法  

作　　者：郑松奕 陈国良 张裕祥 蒋正亮 ZHENG Songyi;CHEN Guoliang;ZHANG Yuxiang;JIANG Zhengliang

机构地区：[1]暨南大学网络与教育技术中心,广东广州510632

出　　处：《信息技术与信息化》2024年第5期50-53,共4页Information Technology and Informatization

摘　　要：在基于深度学习XSS检测的研究中,传统的CNN、LSTM、CNN-LSTM模型在某些数据集上可能存在一些问题。例如,CNN可能无法有效处理具有复杂空间结构的数据,而在处理具有较长时间序列的数据时,LSTM可能会出现梯度消失或梯度爆炸的问题。为了解决这些问题,引入attention机制,结合CNN和LSTM模型(CNN-LSTM-attention)用于XSS攻击检测。CNN-LSTM-attention结合了CNN和LSTM优势,并通过注意力机制来提高分类的准确性。实验表明CNN-LSTM-attention相比CNN、LSTM、CNN-LSTM算法在准确率上有较大的提升。

关 键 词：跨站脚本攻击 卷积神经网络 长短期记忆网络 注意力机制 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]