[发明专利]一种基于语义分析及向量化大数据的XSS入侵识别方法

权利要求书

1.一种基于语义分析及向量化大数据的XSS入侵识别方法，其特征在于，包括以下步骤：

步骤1：获取待检测数据，进行文本切割、清洗、分词、词性标注、去停用词，得到预处理后的数据；

步骤2：构建基于连续词袋模型CBOW实现的词向量化模型，采用词向量化算法将预处理后的数据映射为分布式词向量；

步骤3：将词向量化的样本进行统计，得到正样本数据集和负样本数据集，并将两个数据集合并得到词向量化大数据样本集，且将大数据样本集随机划分为训练集和测试集，数量比为7:3；

步骤4：将词向量化大数据样本集中的样本输入到不同深度的深层神经网络DNN中进行训练，确定各深层所述深层神经网络DNN中的各项超参数；

步骤5：实时采集HTTP请求的数据，对HTTP请求进行攻击检测，识别入侵攻击行为。

2.根据权利要求1所述的一种基于语义分析及向量化大数据的XSS入侵识别方法，其特征在于，步骤1的具体操作步骤包括：

步骤11：遍历数据集，将数字用“0”替换，将http/、HTTP/、https/、HTTPS用“http://”替换；

步骤12：按照html标签、JavaScript函数体、http://和参数规则进行分词；

步骤13：基于日记文档构建词汇表，再对单词进行独热编码，得到处理后的样本数据。

3.根据权利要求2所述的一种基于语义分析及向量化大数据的XSS入侵识别方法，其特征在于，步骤2所述的词向量算法的具体操作步骤包括：

S21：设定词向量化模型的最大化对数似然函数，其公式为：

其中，w为语料库C中的词；

利用Hierarchical Softmax方法先计算w的条件概率，如下：

其中，p^w表示路径，l^w表示节点个数；表示路径中的各个结点；表示词w的编码；表示路径中第j个结点对应的编码，表示路径上非叶子节点对应的参数向量；

S22：通过对(1)式进行推导可得出上下文单词词向量的计算公式为：

其中，v(w％)表示上下文单词词向量；

S23：将所述样本数据输入到公式(7)中，可得到数据的词向量。

4.根据权利要求3所述的一种基于语义分析及向量化大数据的XSS入侵识别方法，其特征在于，步骤4的具体操作步骤包括：

S41：定义深层神经网络DNN设置的均方误差为：

S42：为了求最优化参数，使用梯度下降法最小化函数，设求出的偏导数分别为每个单元的“残差”，记为可得输出层单元的残差为：

S43：求解l＝n_l-1,n_l-2,...,2时各个层的单元的残差，例如l＝n_l-1层的各单元的残差求解公式为：

其中，W表示权值，b表示偏置，(x,y)表示训练样本，h_W,b(x)表示最后的输出量，f(·)表示激活函数；

S44：将上式中的n_l-1与n_l的关系替换为l与l+1的关系，可得：

利用以上公式即可求出每个单元的残差，进而求出基于权值等变量的偏导数：

S45：根据上式可得权值的改变过程：

偏置项的改变过程为：

S46：将输入的样本值与所述大数据样本值进行对比，直到网络训练的均方误差达到要求，确定网络的超参数。

5.根据权利要求4所述的一种基于语义分析及向量化大数据的XSS入侵识别方法，其特征在于，所述超参数包括样本块大小、学习率以及各层包含的神经元数。