基于CNN-LSTM-attention的XSS攻击检测方法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：在基于深度学习XSS检测的研究中,传统的CNN、LSTM、CNN-LSTM模型在某些数据集上可能存在一些问题.例如,CNN可能无法有效处理具有复杂空间结构的数据,而在处理具有较长时间序列的数据时,LSTM可能会出现梯度消失或梯度爆炸的问题.为了解决这些问题,引入attention机制,结合CNN和LSTM模型(CNN-LSTM-attention)用于XSS攻击检测.CNN-LSTM-attention结合了CNN和LSTM优势,并通过注意力机制来提高分类的准确性.实验表明CNN-LSTM-attention相比CNN、LSTM、CNN-LSTM算法在准确率上有较大的提升.

作者：

郑松奕、陈国良、张裕祥、蒋正亮

展开 >

作者单位：

暨南大学网络与教育技术中心广东广州 510632

关键词：

跨站脚本攻击卷积神经网络长短期记忆网络注意力机制

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.05.010

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(5)