基于朴素贝叶斯和LSTM循环神经网络的SQL注入检测技术研究

《基于朴素贝叶斯和LSTM循环神经网络的SQL注入检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代号１０５３２学号Ｓ１５１０Ｗ０６Ｓ分类号ＴＰ３９３密级＂ｍｋｉＨＵＮＡＮＵＮＩＶＥＲＳＩＴＹ工程硕士学位论文基于朴素贝叶斯和ＬＳＴＭ循环神经网络的ＳＱＬ注入检测技术研究学位申请人姓名李苍培养单位信息科学与工稈学院导师姓名及职称胡峰松副教授胡斌暉高级工程师学科专业计算机技术研究方向网络安全０１８５５日论文提交日期２年０月１５３２学校代号：１０■学号＿Ｓ１５１０Ｗ０６５１密级：湖南大学工程硕士学位论文基于朴素贝叶斯和ＬＳＴＭ循环神经网络的ＳＱＬ注入检

2、测技术研究学位申请人姓名：李茶导师姓名及职称：胡峰松副教授胡斌晖高级工程师培荞单位：信息科学与工程学院专业名称：计算机技术论女提交日期：２０１８年０５月１５日论女答辩日期：２０１８年０５月２６日答辩委员会主席：彭飞教授ＴｈｅＲｅｓｅａｒｃｈｏｎＳＱＬＩｎｊｅｃｔｉｏｎＤｅｔｅｃｔｉｏｎＴｅｃｈｎｏｌｏｇｙＢａｓｅｄｏｎＮａｉｖｅＢａｅｓａｎｄＬＳＴＭＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋｙｂｙＬｉＧａｎｇＢ‘Ｅ．ＨｕｎａｎＩｎｓｔｉｔｕｔｅｏｆＨｕｍａｎｉｔ

3、ｉｅｓＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏ２０１３（ｇｙ）ＡｔｌｉｅｓｉｓｓｕｂｍｉｔｔｅｄｉｎａｒｔｉａｌｓａｔｉｓｆａｃｔｉｏｎｏｆｔｈｅｐＲｅｑｕｉｒｅｍｅｎｔｆｏｒｔｈｅｄｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｉｎｅｅｒｉｎｇｇＩｎＣｏｍｐｕｔｅｒＴｅｃｈｎｏｌｏｇｙｉｎｔｈｅＧｒａｄｕａｔｅＳｃｈｏｏｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙＳｕｐｅｒｖｉｓｏｒＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒＨｕＦｅｎｓｏｎｇｇＭａｙ，２０１８湖南大学学位论文原创性声

4、明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研宄所。除了文中特别加以标注引用的内容外取得的研宄成果，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期冷年ｒ月：＾日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有

5、关数据库进行检索、，可以采用影印缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于１、保密□，在年解密后适用本授权书。２、不保密“”（请在以上相应方框内打Ｖ）作者签名：：日期年ｒ月巧日导师签名：日期：滅年ｒ月曰令巧＆Ｉ基于朴素贝叶斯和ＬＳＩＭ循环神经网络的ＳＱＬ注入检测技术研究摘要Ｗｅｂ２Ｗｅｂ应用程一．０时代，但，序己经渗透到每个网民的生活中其伴随的安全问题也越来越多，如果Ｗｅｂ应用产生安全漏洞，就会直接威胁到用户的隐私数据、财产安全等重要方面。在众多Ｗｅｂ安全漏洞中，ＳＱＬ注入（Ｓｔｒｕｃ

6、ｔｕｒｅｄＱｕｅｒｙｕａｅｅｃ一ＬａｎｇｇＩｎｔｉｏｎ漏洞攻击是最受攻击者青睐的攻击手段之，同时也是威胁程ｊ）一度最高的漏洞之。因此，如何实时、准确地检测到ＳＱＬ注入攻击，这对于Ｗｅｂ安全领域的研究与发展有着非常重要的意义一。针对这问题，本文分别基于机器学习中的朴素贝叶斯（ＮａｉｖｅＢａｙｅｓ）分类模型及深度学习中的长短时记忆循环神经－Ｌｏｎｒｔ－ＴｅｒｍＭｅｍｏｒｅｃｕｒｒｅｎｔｗｏｒｋ－网络模型ＳｈｏｙＲＮｅｕｒａｌＮｅｔＬＳＴＭＲＮＮ对ＳＱＬ（ｇ，）ｏｎ－注入类别注入进行检测并分类，分类的结果分为ＳＱＬ注入与Ｎ

7、ＳＱＬ。本文的主要工作如下：对机器学习的基本方法进行研究，改进了对输入样本的预处理与词法分析过一程，并提出种基于特征向量长度的去噪声方法。对于用户可能输入的字符序列，将特殊字符分离法与空格分离法相结合来提取特征，并对提取的特征在标记（Ｔｏｋｅｎ）化过程进行原子化处理，使其最小的字符单元也具备特定意义的Ｔｏｋｅｎ。经特征提取与词法分析后，生成特定顺序Ｔｏｋｅｎ的特征向量，并过滤掉那些特征向量长度小于去噪阈值的样本，然后用ＮａｉｖｅＢａｙｅｓ模型进行机器学习训练对其评估与分类。实验结果表明，改进后的检测方案对于数据集预先给定了样

8、本类别Ｓ的情况下具有较好的分类效果，可以对ＱＬ注