一种融合统计方法与深度学习的Webshell检测模型

摘要

针对Webshell是一种基于Web服务器的后门程序、具有隐蔽性高和危害性大的特点，提出了Webshell检测模型.该模型由统计模型和深度学习模型融合构成，统计模型的特征由静态语法特征的统计值与操作码序列的词频特征组合成混合特征.深度学习模型将操作码序列进行词向量编码后，将序列中的每个元素编码成固定维度的特征向量；最后使用叠加泛化法对2种模型的分类结果进行融合.基于5 000多个样本的对比实验表明：该模型可有效区分WebShell和正常代码.

关键词

Webshell / 词频特征 / 操作码 / 深度学习