公开(公告)号：CN114726614A

公开(公告)日：2022-07-08

申请号：CN202210356162.3

申请日：2022-04-06

Applicant: 广东工业大学

Inventor： 凌捷 ,  林雍博 ,  罗玉

IPC: H04L9/40 ,  G06F40/126 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于条件变分自编码器和SENet的XSS攻击检测方法，包括以下步骤：获取攻击样本数据并进行数据预处理，将预处理后的数据映射至设定的区域；构建条件变分自编码器CVAE模型，利用得到的数字数据训练条件变分自编码器CVAE模型，并将训练好的模型的编码器作为特征提取器；构建SENet模型，利用特征提取器对预处理后的数据进行采样得到特征，利用特征训练SENet模型，得到分类器；提取待检测攻击数据的特征，输入至分类器，输出分类结果，完成XSS攻击检测。本方法与传统的XSS攻击检测的方法相比，结合了条件变分自动编码器的特点和SENet的优点提升了学习数据的表征能力，提高了XSS攻击检测的准确率。

公开(公告)号：CN114726614B

公开(公告)日：2023-05-23

申请号：CN202210356162.3

申请日：2022-04-06

Applicant: 广东工业大学

Inventor： 凌捷 ,  林雍博 ,  罗玉

IPC: H04L9/40 ,  G06F40/126 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于条件变分自编码器和SENet的XSS攻击检测方法，包括以下步骤：获取攻击样本数据并进行数据预处理，将预处理后的数据映射至设定的区域；构建条件变分自编码器CVAE模型，利用得到的数字数据训练条件变分自编码器CVAE模型，并将训练好的模型的编码器作为特征提取器；构建SENet模型，利用特征提取器对预处理后的数据进行采样得到特征，利用特征训练SENet模型，得到分类器；提取待检测攻击数据的特征，输入至分类器，输出分类结果，完成XSS攻击检测。本方法与传统的XSS攻击检测的方法相比，结合了条件变分自动编码器的特点和SENet的优点提升了学习数据的表征能力，提高了XSS攻击检测的准确率。

公开(公告)号：CN112104602A

公开(公告)日：2020-12-18

申请号：CN202010773891.X

申请日：2020-08-04

Applicant: 广东工业大学

Inventor： 凌捷 ,  林雍博 ,  谢锐 ,  罗玉

IPC: H04L29/06 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于CNN迁移学习的网络入侵检测方法，包括：S1：获取公开数据集；S2：对公开数据集的基本特征进行选取，并构建CNN迁移学习模型；S3：用公开数据集对CNN迁移学习模型进行训练；S4：对训练好的CNN迁移学习模型进行测试；S5：用经过测试的CNN迁移学习模型进行网络入侵检测。本发明所述方法能自动提取多维网络威胁数据的高层特征，且适合于训练样本较少的情况，在面对训练样本较少的情况下，利用迁移学习的特点，构建一个训练高效的模型，提高网络入侵检测的准确率。