您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201812-14
论文题目 基于机器学习的SQL注入检测技术研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于机器学习的SQL注入检测技术研究

首发时间:2018-12-05

韩言平 1   

韩言平(1993-),男,硕士研究生,Web安全

李祺 1   

李祺(1981-),女,副教授,硕导,物联网安全

郭燕慧 1   

郭燕慧,女,副教授,硕导,信息安全

  • 1、北京邮电大学网络空间安全学院

摘要:日益发展的Web服务给人带来便利的同时,也遭受着形形色色的安全攻击。SQL注入是蝉联数十年OWASP漏洞排行榜之首的注入漏洞类型中最常见的注入攻击之一。其危害和多变的利用成为了多年来攻防专家致力研究的重要原因。面对日渐复杂的SQL注入样本和海量的数据日志,传统的正则检测已经难以满足需求。本文针对传统和变形的SQL注入黑白样本,采用了机器学习的分类算法,主要基于词法分析和语法分析提出新的特征预处理与提取方法,并提供了用户交互接口与其他攻击检测接口,增强了模型的可扩展性与灵活性,实现了对传统的和变形绕过防火墙(WAF)防护的SQL注入样本高精度识别,准确率达到了98%。

关键词: SQL注入 恶意流量检测 绕过防火墙 机器学习 LightGBM

For information in English, please click here

Research on SQL Injection Detection Technology Based on Machine Learning

HAN Yanping 1   

韩言平(1993-),男,硕士研究生,Web安全

LI Qi 1   

李祺(1981-),女,副教授,硕导,物联网安全

GUO Yanhui 1   

郭燕慧,女,副教授,硕导,信息安全

  • 1、School of Cyberspace Security, Beijing University of Posts and Telecommunications

Abstract:While growing Web services bring convenience to people, they also suffer from a variety of security attacks. SQL injection is one of the most common injection vulnerabilities, which are No.1 in the top ten vulnerabilities of the OWASP for decades. Its serious damage and widely changing use make it an important reason for hacker and defense experts to devote themselves to research the SQL injection. In the face of increasingly complex SQL injection samples and massive data logs, traditional iterative regular detection has been difficult to meet demand. In this paper, a machine learning classification algorithm is adopted for massive SQL Injection data sample, which mainly proposes a new feature processing and extraction method based on lexical and grammar analysis. It also provides a user interaction interface and other attack detection interfaces to enhance the scalability and flexibility of the model. Experimental results show that the proposed approach is mResearch on SQL Injection Detection Technology Based on Machine Learningore accurate and applicable than the traditional model, in which the accuracy can reach 98%.

Keywords: SQL Injection Malicious traffic detection Bypass WAF Machine learning LightGBM

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
韩言平,李祺,郭燕慧. 基于机器学习的SQL注入检测技术研究[EB/OL]. 北京:中国科技论文在线 [2018-12-05]. http://www.paper.edu.cn/releasepaper/content/201812-14.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于机器学习的SQL注入检测技术研究