计算机技术与发展2023，Vol.33Issue(4) ：175-181.DOI:10.3969/j.issn.1673-629X.2023.04.026

基于CNN和多注意力机制的XSS检测模型

XSS Detection Model Based on CNN and Multi-attention Mechanism

关慧 曹同洲
计算机技术与发展2023，Vol.33Issue(4) ：175-181.DOI:10.3969/j.issn.1673-629X.2023.04.026
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于CNN和多注意力机制的XSS检测模型

XSS Detection Model Based on CNN and Multi-attention Mechanism

关慧 1曹同洲2
扫码查看

作者信息

  • 1. 沈阳化工大学 计算机科学与技术学院,辽宁 沈阳 110142;辽宁省化工过程工业智能化技术重点实验室,辽宁 沈阳 110142
  • 2. 沈阳化工大学 计算机科学与技术学院,辽宁 沈阳 110142
  • 折叠

摘要

为了解决普通深度学习模型存在的难以区分信息重要性差异,以及单一注意力机制存在的关注维度单一的问题,文中提出了一种基于卷积神经网络和多注意力机制的模型对XSS攻击进行检测.首先,将经过word2vec转换后的数据输入到卷积神经网络提取局部特征;然后,使用自注意力模块学习数据的长距离依赖关系,并加强模型对序列维度上重要特征的关注;接着,经过通道注意力模块从通道维度对不同的通道特征图加权;之后,将经注意力模块处理过的特征输入到池化层进行下采样处理,并使用Dropout层提高模型的泛化能力;最后,利用提取到的特征对样本进行分类.使用测试数据集对文中提出的模型进行实验,结果显示,该模型对XSS攻击的检测效果良好,准确率与F1 值相比其他深度学习模型有一定程度提升.

关键词

卷积神经网络/多注意力机制/XSS攻击/word2vec/自注意力/通道注意力

引用本文复制引用

基金项目

辽宁省2021年度教育科学研究经费项目(LJKZ0434)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量1
参考文献量17
段落导航相关论文