论文部分内容阅读
随着网络技术与应用的发展，Web服务器不可避免地成为了黑客的主要攻击目标.而传统基于正则匹配的Web入侵检测系统存在规则库维护困难、特征库臃肿的问题；基于机器学习的常规检测模型也存在特征提取复杂、识别率较低的问题.针对这些问题，提出一种基于TF-IDF和随机森林构架的Web攻击流量检测模型，该模型使用TF-IDF算法构建词频矩阵，自动提取有效载荷的 特征,使用随机森林算法进行分类建模，识别出正常流量与攻击流量.实验结果表明：该方法对攻击流量的检测率达到98.7%， 实现了特征自动提取，简化了检测方法，适合