基于BERT的多模型融合的Web攻击检测方法OA北大核心CSTPCD
传统Web攻击检测方法准确率不高,不能有效防范Web攻击。针对该问题,提出一种基于变换器的双向编码器表示(BERT)的预训练模型、文本卷积神经网络(TextCNN)和双向长短期记忆网络(BiLSTM)多模型融合的Web攻击检测方法。先将HTTP请求进行预处理,再通过BERT进行训练得到具备上下文依赖的特征向量,并用TextCNN模型进一步提取其中的高阶语义特征,作为BiLSTM的输入,最后利用Softmax函数进行分类检测。在HTTP CSIC …查看全部>>
袁平宇;邱林
长江大学计算机科学学院,湖北荆州434023长江大学计算机科学学院,湖北荆州434023
计算机与自动化
Web攻击检测基于变换器的双向编码器表示多模型融合HTTP请求文本卷积神经网络双向长短期记忆网络
《计算机工程》 2024 (11)
P.197-206,10
湖北高校2020省级教研项目(2020418)。
评论