基于BERT的多模型融合的Web攻擊檢測方法

摘要： 傳統(tǒng)Web攻擊檢測方法準(zhǔn)確率不高，不能有效防范Web攻擊。針對該問題，提出一種基于變換器的雙向編碼器表示(BERT)的預(yù)訓(xùn)練模型、文本卷積神經(jīng)網(wǎng)絡(luò)(TextCNN)和雙向長短期記憶網(wǎng)絡(luò)(BiLSTM)多模型融合的Web攻擊檢測方法。先將HTTP請求進(jìn)行預(yù)處理，再通過BERT進(jìn)行訓(xùn)練得到具備上下文依賴的特征向量，并用TextCNN模型進(jìn)一步提取其中的高階語義特征，作為BiLSTM... （共10頁）