10.20030/j.cnki.1000-3932.202303013
注意力机制和BiLSTM在SQL注入检测中的应用
针对目前SQL注入检测方法检测效率和检测准确率不高的问题,提出了一种基于注意力机制的检测模型Att-BiLSTM.首先,对收集到的数据集在预处理后采用RoBERTa进行词嵌入,得到融合上下文信息的语言表征;再使用编码后的词向量在基于注意力机制的双向长短时记忆网络中进行训练,以获取数据之间的关联性,得到忽略无关噪声信息、关注重点信息的特征表征;最后,将融合了注意力信息的输出在全连接层和softmax层进行分类或反向传播给训练层更新参数.实验结果表明,基于注意力机制的SQL注入检测模型有效提高了检测精度,准确率为99.58％,召回率为99.64％,与原始BiLSTM相比,准确率和召回率分别提高了0.52％和0.28％,与BiRNN相比,准确率和召回率分别提高了6.18％和6.91％.
SQL注入检测、深度学习、BiLSTM、注意力机制
50
TP309(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2023-05-25（万方平台首次上网日期，不代表论文的发表时间）
共8页
348-355
