如需要完整文档点击下方 "点击下载文档" 按钮

为了解决普通深度学习模型存在的难以区分信息重要性差异,以及单一注意力机制存在的关注维度单一的问题,文中提出了一种基于卷积神经网络和多注意力机制的模型对 XSS 攻击进行检测。 首先,将经过 word2vec 转换后的数据输入到卷积神经网络提取局部特征;然后,使用自注意力模块学习数据的长距离依赖关系,并加强模型对序列维度上重要特征的关注;接着,经过通道注意力模块从通道维度对不同的通道特征图加权;之后,将经注意力模块处理过的特征输入到池化层进行下采样处理,并使用 Dropout 层提高模型的泛化能力;最后,利用提取到的特征对样本进行分类。 使用测试数据集对文中提出的模型进行实验,结果显示,该模型对 XSS 攻击的检测效果良好,准确率与 F1 值相比其他深度学习模型有一定程度提升。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于 CNN 和多注意力机制的 XSS 检测模型》

将 完整文档 下载到本地，方便收藏和查阅

文件号：057957

点击下载文档