基于流量分析的Web服务器数据篡改攻击检测方法研究.pdfVIP

微型电脑应用2024年6月

研究与设计MicrocomputerApplications第40卷第6期

文章编号：1007-757X(2024)06-0148-03

基于流量分析的Web服务器数据篡改攻击检测方法研究

邹洪，张佳发，曾子峰，许伟杰，江家伟

（南方电网数字电网集团信息通信科技有限公司，网络安全事业部/研发事业部，广东，广州510663）

摘要：为了提升Web服务器对数据篡改攻击检测方法的性能，结合残差网络和长短期记忆网络，构建网络异常流量分析检

求。研究表明，结合机器学习和数据挖掘算法的流量分析方法是一种有效的检测手段，有助于提升Web服务器的安全性。

关键词：流量分析；数据篡改；ResNet；LSTM；KPCA；攻击检测

中图分类号：TP311文献标志码：A

ResearchonWebserverDataTamperingAttackDetectionMethod

BasedonTrafficAnalysis

ZOUHong,ZHANGJiafa,ZENGZifeng,XUWeijie,JIANGJiawei

(CybersecurityDivision/ResearchandDevelopmentDivision,ChinaSouthernPowerGridDigitalGrid

GroupInformationandCommunicationTechnologyCo.,Ltd.,Guangzhou510663,China)

Abstract:InordertoimprovetheperformanceofWebserverdatatamperingattackdetectionmethods,anetworkanomalytraf-

ficanalysisanddetectionmodelisconstructedbycombiningresidualnetwork(ResNet)andlongshort-termmemory(LSTM)

network.Theexperimentaldatashowthattheaccuracyanddetectionrateofthismodelare94.05%and84.12%,respective-

ly,whicharesuperiortotheotherthreetraditionalmachinelearningmodels.Thenetworkanomalytrafficdetectionsystem

constructedbythismodelcandetectimportandexporttrafficinreal-time.Theaccuracyofattacktestingisabout94.43%,and

thedetectionrateis93.89%,meetingtherequirementsofsystemdesign.Researchshowsthatcombiningmachinelearningand

dataminingalgorithmsfortrafficanalysisisaneffectivedetectionmethodthathelpsimprovethesecurityofWebserver.

Keywords:trafficanalysis;datatampering;ResNet;LSTM;KPCA;attackdetection

0引言重要途径[4-5]。因此，本文提出基于流量分析的Web服务器