基于CNN的WebShell检测工具的设计与实现.docxVIP

摘 要 随着互联网在我们生活中被广泛应用到社交、金融、行政以及办公等领域，网络安全的问题也越来越被重视。WebShell的本质是一种Web应用脚本程序，由于其可以通过HTTP协议的方式对服务器进行控制，故常被黑客用于植入到被入侵的系统中，严重威胁到主机的安全。 本文针对现有的WebShell检测技术展开分析并实现一款高效、精准的WebShell检测工具。由于目前大部分主流的WebShell检测工具都是利用静态特征进行匹配的，十分依赖人工提取WebShell的特征形成规则库，并且无法对抗未知类型或经过变种的WebShell，因此本文采用了卷积神经网络算法对网络上公开的WebShell样本进行训练生成一个检测模型，并基于该模型设计检测的流程与实现，达到了较好的检测结果。 □□ 关键词：深度学习 WebShell 卷积神经网络  Abstract As the Internet is widely used in our life in social, financial, administrative and office areas, the issue of network security is also more and more attention. The essence of WebShell is a Web application script. Because it can control the server through HTTP protocol, it is often used by hackers to implant it into the system that is invaded, which seriously threatens the security of the host. This paper analyzes the existing WebShell detection technology and realizes an efficient and accurate WebShell detection tool. At present, most of the mainstream WebShell detection tools are matched by static features, which rely on the manual extraction of WebShell features to form a rule base, and cannot fight against unknown types or varieties of WebShell. Therefore, this paper adopts the convolutional neural network algorithm to train the WebShell samples on the network to generate a detection model, and designs the detection process and implementation based on this model, achieving a better detection effect. Key words：Deep Learning WebShell CNN 目 录 TOC \o 1-3 \h \z \u 第一章 绪论 1 1.1 研究背景及意义 1 1.2 Web安全现状分析 1 1.3 WebShell简介 3 1.4 论文内容与结构 3 第二章 研究现状与检测技术 4 2.1 研究现状 4 2.2 基于机器学习的检测方法 4 2.3 基于深度学习的检测方法 4 2.4 其他检测方法 4 2.5 本章小结 5 第三章 基于卷积神经网络的检测方法 6 3.1 预处理样本数据 6 3.2 提取特征向量 7 3.2.1 词袋模型和TF-IDF模型 7 3.2.2 词汇表模型 8 3.2.3 小结 9 3.3 检测模型 9 3.3.1 数据集 9 3.3.2 样本预处理 10 3.3.3 输入层 11 3.3.4 卷积层 12 3.3.5 池化层 12 3.3.6 全连接层 12 3.3.7 模型训练及模型结构 13 3.3.8 评估指标 14 3.4 本章小结 15 第四章 分析与设计 16 4.1 功能需求分析 16 4.2 设计方案 16 4.2.1 交互模块 16 4.2