.png){kind=icon}
返回
Optimizing deep learning for webshell detection based on flexible dataset reduction
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eij.2025.100770.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Webshell、恶意脚本或代码片段的攻击事件急剧增加，对各个行业的组织构成了重大威胁。传统安全措施往往无法检测这些威胁，因此需要采用先进的检测机制。本文提出了一种基于深度学习的Webshell检测技术，解决了高计算成本和对输入长度变化敏感的挑战。所提出的方法采用灵活的数据集缩减方法，结合TF-IDF和Word2Vec两种特征提取技术，以降低计算复杂度并标准化模型输入。为应对输入变化和高维度问题，我们引入了两种数据集缩减策略：基于平面的缩减（Flat-based）和基于深度的缩减（Depth-based），两者均依赖基于标准差表示的方法，在减小数据集规模的同时保留关键统计特征。这种组合提升了深度学习模型的性能和可扩展性，使其更适用于Webshell检测的实际应用。本研究系统回顾了现有技术，指出了其局限性，并提出了一种创新解决方案以提高检测准确率和效率。实验结果表明，该方法在使用CNN时达到了高达98.50%的准确率，同时显著缩短了训练时间。研究结果证实，灵活的数据集缩减与双重特征提取相结合，为实时Webshell检测提供了一种可扩展且有效的解决方案。
Keyword:
Webshell detection
Deep learning
Dataset reduction
Cybersecurity
Machine learning
TF-IDF
Word2Vec
Flat-based reduction
Depth-based reduction
Standard deviation representation
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
IF:
4.3
论文数:
799
被引数:
1.4K
机构
引用论文
Research on WebShell Detection Method Based on Regularized Neighborhood Component Analysis (RNCA).png)
Symmetry
OAAI
SymmetryIF0
OAAI分享收藏WS-LSMR: Malicious WebShell Detection Algorithm Based on Ensemble LearningWs-lsmr: 基于集成学习的恶意WebShell检测算法IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Impact of word embedding models on text analytics in deep learning environment: a review深度学习环境下词嵌入模型对文本分析的影响OAAI
OAAI分享收藏AST-DF: A New Webshell Detection Method Based on Abstract Syntax Tree and Deep ForestAST-DF: 基于抽象语法树和深度森林的新型Webshell检测方法Electronics
OAAI
ElectronicsIF0
OAAI分享收藏分享收藏The advantages of the Matthews correlation coefficient (MCC) over F1 score and accuracy in binary classification evaluation在二元分类评估中，马修斯相关系数 (MCC) 相对于F1得分和准确性的优势BMC GENOMICSOAAI
BMC GENOMICSIF3.7
OAAI分享收藏A STATISTICAL INTERPRETATION OF TERM SPECIFICITY AND ITS APPLICATION IN RETRIEVAL术语特异性的统计解释及其在检索中的应用
PREAI
分享收藏
查看更多内容