基于Transformer-LSTM模型的跨站脚本检测方法

为了解决跨站脚本攻击代码容易恶意变形躲避检测，导致特征提取不充分、检测效率低等问题，提出一种基于Transformer-LSTM模型的跨站脚本检测方法。对数据进行预处理，使用解码技术对跨站脚本代码进行解码，并使用Tokenizer将解码后的代码向量化作为神经网络的输入。建立Transformer-LSTM检测模型学习跨站脚本攻击的抽象特征。使用Softmax分类器对学习到的抽象特征进行分类，判断出是否为跨站脚本攻击语句。实验结果表明，与传统机器学习方法和深度学习方法相比较，该方法的准确率达到99.8%,召回率99.5%。