arrow
返回

A Multi-Source Feedback-Driven Framework for Generating WAF Test Cases

delete2026-04-17
delete0
delete
OA
AI
P
Pengcheng Lu
X
Xiaofeng Zhong
W
Wenbo Xu
Y
Yongjie Wang *
DOI:10.3390/fi18030167delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
Web应用防火墙(WAFs)是对抗Web应用持续性威胁的关键防御手段,但其安全评估仍具挑战性。传统手动测试方法通常效率低下且资源密集,而现有的基于强化学习(RL)的自动化方法面临两大关键限制:(1) 攻击者无法感知不透明的WAF规则逻辑;(2) WAFs的布尔反馈导致稀疏/延迟奖励——稀疏奖励使智能体陷入盲目探索,延迟奖励阻碍早期动作与最终结果的关联,从而影响学习效率。为应对这些挑战,我们提出Ouroboros——一个集成基于遗传算法的符号规则重构(将WAF规则转化为可解释的RNN以进行细粒度置信度评分)、时序侧信道分析(评估规则匹配深度)以及分层奖励机制以实现自进化RL测试的框架。实验表明,该框架在基于签名的WAFs上达到89.2%的绕过成功率。本文提出了一种高效的WAF自动化测试解决方案,并为优化规则逻辑和异常检测机制提供了见解。
Keyword:
web application firewall
SQL injection
regular expression
reinforcement learning
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Future Internet 封面图
Future Internet
IF:
3.6
论文数:
1.3K
被引数:
6.5K

机构

N
national university of defense technology
学者数:
5.0K
论文数: 1.5K
被引数: 0
引用论文

引用论文

Automatic Evasion of Machine Learning-Based Network Intrusion Detection Systems
err2024-01-01
err3
PREAI
errYan, Haonan; Li, Xiaoguang; Zhang, Wenjing; Wang, Rui; Li, Hui; Zhao, Xingwen; Li, Fenghua; Lin, Xiaodong
err分享
err收藏
A Machine-Learning-Driven Evolutionary Approach for Testing Web Application Firewalls
err2018-09-01
err41
errOAAI
errAppelt, Dennis; Nguyen, Cu D.; Panichella, Annibale; Briand, Lionel C.
err分享
err收藏
学者 查看更多内容