基于BERT-GATv2的PHP Webshell检测方法

摘要

Webshell是一种基于Web语言的网站后门程序，通常被攻击者用来控制Web服务器。近年来，Webshell免杀技术的发展使得静态特征匹配等传统检测方法对混淆加密后的Webshell检测能力下降。对Webshell检测方法的研究在Web安全领域越来越得到重视，针对现有的Webshell检测方法难以充分挖掘Webshell的语法和语义特征的问题，提出了一种基于BERT-GATv2的PHP Webshell检测方法。该方法使用PHP代码构建异构图，并通过联合训练BERT模型和图注意力网络v2(GATv2)模型，用线性插值方法结合2个模型的输出，实现对正常样本和Webshell的分类。实验结果表明，与以往的Webshell检测方法相比，提出的Webshell检测方法在精确率、召回率和F1值指标上均展现出优异的检测性能，准确率达到了99.65%。

关键词

Webshell检测 / 图神经网络 / Web安全 / 深度学习