基于CNN-LSTM-attention的XSS攻击检测方法
郑松奕
陈国良
张裕祥
蒋正亮
暨南大学网络与教育技术中心 广东广州 510632
摘要：在基于深度学习XSS检测的研究中,传统的CNN、LSTM、CNN-LSTM模型在某些数据集上可能存在一些问题.例如,CNN可能无法有效处理具有复杂空间结构的数据,而在处理具有较长时间序列的数据时,LSTM可能会出现梯度消失或梯度爆炸的问题.为了解决这些问题,引入attention机制,结合CNN和LSTM模型(CNN-LSTM-attention)用于XSS攻击检测.CNN-LSTM-attention结合了CNN和LSTM优势,并通过注意力机制来提高分类的准确性.实验表明CNN-LSTM-attention相比CNN、LSTM、CNN-LSTM算法在准确率上有较大的提升.
关键词：跨站脚本攻击卷积神经网络长短期记忆网络注意力机制
论文发表日期：2024-05-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 50-53 )