Resumen

Los firewalls de aplicaciones web (WAFs) basados en anomalías son vitales para proporcionar reacciones tempranas a ataques web novedosos. En los últimos años, se han desarrollado diversas aproximaciones de detección de anomalías basadas en aprendizaje automático, aprendizaje profundo y transferencia de aprendizaje para protegerse contra ataques web. La mayoría de ellas tratan directamente la URL de la solicitud como una cadena general que consiste en letras y utilizan métodos de procesamiento de lenguaje natural (NLP) como Word2Vec y Doc2Vec, o conocimiento de dominio para extraer características. En este documento, proponemos un enfoque mejorado de extracción de características que aprovecha la ventaja de la estructura semántica de las URL. La estructura semántica es una propiedad interpretativa inherente de la URL que identifica la función y vulnerabilidad de cada parte en la URL. Las evaluaciones en CSIC-2020 muestran que nuestro método de extracción de características tiene un mejor rendimiento que el enfoque convencional de extracción de características, con una mejora promedio dram

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Cortafuegos de aplicaciones web; Aprendizaje automático; Aprendizaje profundo; Aprendizaje de transferencia; Detección de anomalías; Extracción de características.
• Keywords:Web application firewalls; Machine learning; Deep learning; Transfer learning; Anomaly detection; Feature extraction