基于XLNet 的WebShell 上传检测研究  

Research on Webshell Upload Detection Based on XLNet

作　　者：王欣源 缪祥华[1,2] WANG Xinyuan;MIAO Xianghua

机构地区：[1]昆明理工大学信息工程与自动化学院,云南昆明650000 [2]云南省计算机技术应用重点实验室,云南昆明650000

出　　处：《数据通信》2025年第1期36-39,53,共5页

摘　　要：随着互联网的迅速发展,Web应用的安全问题日益突出,其中WebShell攻击已成为一种严重的网络安全威胁。本文基于XLNet模型,致力于提升WebShell上传检测的准确性和效率。通过分析网络流量,将XLNet模型用于样本文件的预处理、词嵌入、训练及测试阶段。实验结果表明,该方法在召回率、精确率以及F1分数等关键指标方面均表现出卓越的性能。相较于传统的机器学习方法,基于XLNet的检测模型能够更准确地识别潜在的WebShell上传操作,从而降低Web应用系统受到持久性攻击的风险,同时提升了Web应用的整体安全水平。这一研究成果强化了网络安全防线,能够为Web应用保驾护航。

关 键 词：机器学习 入侵检测 自然语言处理 XLNet WEBSHELL 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术] TP181[自动化与计算机技术—计算机科学与技术]