位置:成果数据库 > 期刊 > 期刊详情页
一种新的Web应用防火墙的自学习模型
  • ISSN号:1000-1220
  • 期刊名称:《小型微型计算机系统》
  • 时间:0
  • 分类:TP309[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]北京邮电大学网络与交换技术国家重点实验室,北京100876, [2]西门子中国研究院信息安全部,北京100102
  • 相关基金:国家自然科学基金项目(61202434,61170270,61121061)资助;中央高校基本科研业务费专项(2011RC0505,2011RCZJ15,2012R(30612,2011YB01)资助.
中文摘要:

针对Web应用攻击方式繁多、传统Web应用防火墙黑名单规则库过于复杂的问题,提出一种新的web应用防火墙的自学习模型,采用先收集、整理和归纳网页参数特征,再与用户提交数据进行规则匹配的方法,实现对Web应用的安全防护.自学习模型将web页面参数分为类型固定参数、枚举参数和用户输入参数三类,由初始学习模块和持续学习模块组成,前者由合理样本数据建立初始规则库,后者根据用户近一段时间的输入数据持续学习网页特点,扩充用户合法行为模式,以适应用户需求变化和Web应用更新.本模型采用异常流量统计和数据包相似性分析的综合方法应对针对学习过程的攻击,进行有选择性的学习.实验结果表明此自学习模型具有良好的安全防护能力和学习能力.

英文摘要:

This paper presents a new model of learning WAF ( Web Application Firewall ) to solve the problem of various attacks and the complexity of black list. By collecting, summarizing and inducting the characteristics of web parameters, and then matching the user input with it, the model could ensure the security of Web applications. This model classifies the Web page parameters as fixed- type parameter, enumeration parameter and user-input parameter, and has two modules, initial learning module and continuous learn- ing module. The first one creates initial rule base according to the reasonable user input sample, then the latter one could continuously learn the characteristics of Web page based on the recently user input data, in order to adapt to application updates and the change of user needs. The model also introduces a comprehensive method of exceptional data flow statistic and the analysis of data similarity to learn selectively to resist the attacks which target the learning process. Experimental results has indicated that the new learning WAF has a great ability of protecting the security and learning.

同期刊论文项目
期刊论文 39 会议论文 2
期刊论文 303 会议论文 42 获奖 4 著作 1
同项目期刊论文
期刊信息
  • 《小型微型计算机系统》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院沈阳计算技术研究所
  • 主编:林浒
  • 地址:沈阳市浑南新区南屏东路16号
  • 邮编:110168
  • 邮箱:xwjxt@sict.ac.cn
  • 电话:024-24696120 024-24696190-8870
  • 国际标准刊号:ISSN:1000-1220
  • 国内统一刊号:ISSN:21-1106/TP
  • 邮发代号:8-108
  • 获奖情况:
  • 中国自然科学核心期刊,中国科学引文数据库来源期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,荷兰文摘与引文数据库,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:23212