.png){kind=icon}
返回
Machine Learning-Based Multilabel Classification for Web Application Firewalls: A Comparative Study
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14214172.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络攻击日益复杂的特性要求开发更有效的Web应用防火墙（WAF）系统。本研究在以往工作的基础上，通过使用ECML/PKDD 2007数据集，对七种用于网络流量多标签分类的机器学习模型进行评估和比较。该数据集包含八个类别：七个代表不同类型的攻击，一个代表正常流量。基于先前分析循环神经网络（RNN）、门控循环单元（GRU）和长短期记忆网络（LSTM）模型的实验，我们纳入了相关文献中频繁提及的四种额外模型：随机森林（RF）、支持向量机（SVM）、梯度提升（GB）和前馈神经网络（NN）。所有模型均在一致的预处理和验证协议下进行训练和评估。我们使用准确率、精确率、召回率、F1分数和训练时间等关键指标分析其性能。研究结果为每种方法在WAF分类任务中的适用性提供了见解，并对实时入侵检测系统及安全自动化具有启示意义。本研究首次对ECML/PKDD 2007数据集上的经典与深度学习方法进行了统一的多标签评估，为实际WAF部署提供了指导。
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
暂无期刊信息
机构
引用论文
分享收藏An Attention-Based Convolutional Neural Network for Intrusion Detection Model一种基于注意力的卷积神经网络入侵检测模型.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Toprak, S.; Yavuz, A.G. Web application firewall based on anomaly detection using deep learning. Acta Infologica 2022, 6, 219–244. [Google Scholar] [CrossRef]Toprak, S.; Yavuz, A.G. 基于深度学习的异常检测Web应用防火墙。Acta Infologica 2022, 6, 219–244. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容