Effective SQL Injection Detection: A Fusion of Binary Olympiad Optimizer and Classification Algorithm

doi:10.3390/math12182917

Effective SQL Injection Detection: A Fusion of Binary Olympiad Optimizer and Classification Algorithm

2024-09-19

0

OA

AI

DOI：10.3390/math12182917

原文链接

原文求助

摘要

En 中文

由于SQL注入允许攻击者与应用程序数据库进行交互，因此被视为一个重要的安全问题。通过应用机器学习算法，可以识别SQL注入攻击。问题：在机器学习方法训练阶段，使用有效特征开发高精度最优分类器。具有最高效力的特征指定被认为是NP完全组合优化挑战。选择最有效特征是指识别数据集中最小且最有效的特征集的过程。本文的出发点是优化SQL注入攻击检测方法的准确率、精确度和敏感度参数。方法：本文提出了一种识别SQL注入攻击的方法。第一步，开发了一个包含13个特征的特定训练数据集。第二步，为了确定数据集的最佳特征，开发了一种特定的二进制奥林匹克优化算法变体。使用多种机器学习算法创建最优攻击检测器。结果：根据进行的实验，使用人工神经网络和特征选择器的建议SQL注入检测器可实现99.35%的准确率、100%的精确度和100%的敏感度。由于选择了约30%的有效特征，所提出的方法增强了SQL注入检测器的效力。

Effective SQL Injection Detection: A Fusion of Binary Olympiad Optimizer and Classification Algorithm

摘要

期刊

机构

引用论文