计算机科学与探索

作者：程琪芩，万良

单位：1. 贵州大学 计算机科学与技术学院，贵阳 550025 2. 贵州大学 计算机软件与理论研究所，贵阳 550025

关键词：跨站脚本（XSS）,解码技术,word2vec,双向长短时记忆网络（BiLSTM）

目前传统的跨站脚本（XSS）检测技术大多使用机器学习方法，存在代码被恶意混淆导致可读性不高、特征提取不充分并且效率低等缺陷，从而导致检测性能不佳。针对上述问题，提出了使用双向长短时记忆网络检测跨站脚本攻击的方法。首先，对数据进行预处理，使用解码技术将跨站脚本代码还原到未编码状态，从而提高跨站脚本代码的可读性，再使用深度学习工具word2vec将解码后的代码转换为向量作为神经网络的输入；其次，使用双向长短时记忆网络双向学习跨站脚本攻击的抽象特征；最后，使用softmax分类器对学习到的抽象特征进行分类，同时使用dropout算法避免模型出现过拟合。对收集到的数据集进行实验，结果表明，与几种传统机器学习方法和深度学习方法相比，该检测方法表现出更优的检测性能。

来源：2020年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第8期