深度学习在webshell检测中的应用研究

作     者：邓全才 郭雅静 张子翼 DENG Quan-cai;GUO Ya-jing;ZHANG Zi-yi

作者机构：河北建筑工程学院数理系河北张家口075000 

基　　金：河北省省属高等学校基本科研业务费研究项目(2021QNJS11) 

出 版 物：《河北建筑工程学院学报》 (Journal of Hebei Institute of Architecture and Civil Engineering)

年 卷 期：2022年第40卷第1期

页      码：174-177页

摘      要：分析了WebShell产生原因及其危害性。采用ADFA-LD数据集,训练集和测试集数据的比例为7:3,然后运用Pytorch深度学习框架,设计和实现了一个BP神经网络模型和一个LSTM神经网络模型。BP神经网络层数4层,其中隐藏层2层,第1层隐藏层有100个神经元,第2层隐藏层有50个神经元,激活函数为logistic函数,迭代次数为10,初始学习率设置为0.001。LSTM神经网络层数3层,输入X的特征维度为124,其中隐藏层1层,100个神经元,迭代次数为100,每组数据20个,学习率为0.001。实验表明:两个模型检测精度最终均为95%,说明本文构建的两个神经网络模型在模型结构、参数设置上较合理,因此两个模型能以较高准确率检测Web站点中是否存在WebShell。

主 题 词：ADFA-LD BP LSTM 神经网络 WebShell 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1008-4185.2022.01.031

馆 藏 号：203113881...