[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

说明书

本发明公开了一种基于语义分析及向量化大数据的XSS入侵识别方法，首先，利用自然语言处理方法进行了数据获取、数据清洗、数据抽样以及特征提取等数据预处理；其次，基于神经网络的词向量化算法，实现了词向量化得到词向量大数据；再次，利用不同深度的深层神经网络智能检测算法实现了安全防护检测；最后，通过设计不同的超参数并对模型进行训练，得到了最大识别率、最低识别率、识别率均值、方差、标准差、识别率变化过程曲线图、损失误差变化过程曲线图和词向量样本余弦距离变化曲线图等结果。结果证明本发明的提出的XSS入侵识别方法识别率高，稳定性好，总体性能优良。

技术领域

本发明属于入侵识别检测技术领域，具体涉及一种基于语义分析及向量化大数据的XSS入侵识别方法。

背景技术

近年来，随着大数据技术的发展，在产生大量数据的同时，网络空间的形势愈发严峻。基于WEB应用的攻击逐渐成为主要攻击，例如最常见有跨站脚本攻击(Cross-SiteScripting，XSS)。目前传统的检测方法是利用病毒特征库中的已有特征，通过提取相应样本的特征，在病毒库搜索比较是否存在相匹配的特征来确定病毒。而这种基于检测方法存在局限性：规则库的建立与维护需要耗费人力物力，且这种方法适合检测已知病毒，难以检测新出现的病毒，而在大数据安全中这种检测方法极大影响了检测效率。

随着机器学习不断发展，利用深度学习网络强大的自适应性、自学习能力在网络安全监测上将成为主流趋势，其能够检测未知特征的攻击行为，从而提高检测率。

因此，如何在面向大数据时，为弥补传统算法存在的不足，提出一种更加先进的针对XSS攻击的入侵识别方法是目前亟待解决的问题。

发明内容

针对上述存在的问题，本发明旨在提供一种基于语义分析及向量化大数据的XSS入侵识别方法，利用深度学习网络强大的自适应性、自学习能力，设计深层神经网络算法来实现安全防护检测，通过大数据训练模型从而实现智能检测。

为实现本发明目的，本发明的技术解决方案为：

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。

本方法与现有技术相比，具有以下有益效果：

本发明利用自然语言处理方法进行数据获取，数据清洗，数据抽样，特征提取等数据预处理；并设计了基于神经网络的词向量化算法，实现了词向量化得到词向量大数据；利用不同深度的深层神经网络DNN进行超参数调整，通过该深层神经网络DNN检测算法能够对XSS攻击能够进行智能监测；通过实验结果可以看出，本发明提出的检测方法具有识别率高，稳定性好，总体性能优良等优点。

附图说明

图1是基于语义情景分析与机器学习的入侵智能检测原理图；

图2是对第Ⅰ类大数据集基于不同的学习率μ进行20次实验时得到的识别率曲线图；

图3是对第Ⅱ类大数据集基于不同的学习率μ进行20次实验时得到的识别率曲线图；