Resumen

Los cortafuegos de aplicaciones web (WAF) basados en anomalas son vitales para proporcionar reacciones tempranas a nuevos ataques web. En los ltimos aos, se han desarrollado varios enfoques de deteccin de anomalas basados en el aprendizaje automtico, el aprendizaje profundo y el aprendizaje por transferencia para proteger frente a los ataques web. La mayora de ellos tratan directamente la URL de solicitud como una cadena general que consta de letras y utilizan aproximadamente mtodos de procesamiento de lenguaje natural (NLP) (es decir, Word2Vec y Doc2Vec) o conocimiento del dominio para extraer caractersticas. En este artculo, proponemos un mtodo mejorado de extraccin de caractersticas que aprovecha la ventaja de la estructura semntica de las URL. La estructura semntica es una propiedad interpretativa inherente a la URL que identifica la funcin y vulnerabilidad de cada parte de la URL. Las evaluaciones en CSIC-2020 muestran que nuestro mtodo de extraccin de caractersticas tiene un mejor rendimiento que la rutina de extraccin de caractersticas convencional, con una mejora media espectacular del 5% en precisin, recuperacin y puntuacin F1.

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Cortafuegos de aplicaciones web; Aprendizaje automático; Aprendizaje profundo; Aprendizaje de transferencia; Detección de anomalías; Extracción de características.
• Keywords:Web application firewalls; Machine learning; Deep learning; Transfer learning; Anomaly detection; Feature extraction