Abstract

摘要： 以SQL注入攻击为研究背景，通过分析基于规则、机器学习等传统基线方法检测手段的局限性，以构建精准的高鲁棒性的SQL注入检测模型为目标，结合深度学习在自动特征学习与复杂模式识别上的优势，提出了一种基于自注意力机制与融合双向长短期记忆神经网络（A-BiLSMT）的检测模型。测试结果表明该模型在SQL注入检测中具有高精度、高效率和强泛化能力，可为提供重要信息系统网络安全防护能力提供技术支撑。

关键词: SQL注入, 深度学习, 神经网络, 网络安全

CLC Number:

TP309

廖志远, 赵波, 张胜元, 覃志华. 基于A-BiLSMT的SQL注入检测研究[J]. 信息安全研究, 2026, 12(E1): 127-130.

References

Related Articles 15

[1]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 2-5.
[2]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 6-9.
[3]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 10-13.
[4]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 14-17.
[5]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 18-21.
[6]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 22-25.
[7]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 26-28.
[8]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 29-31.
[9]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 32-35.
[10]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 36-39.
[11]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 40-44.
[12]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 45-48.
[13]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 49-51.
[14]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 52-55.
[15]	. [J]. Journal of Information Security Reserach, 2026, 12(E1): 56-59.

基于A-BiLSMT的SQL注入检测研究

PDF

Knowledge

Abstract

Cite this article

share this article

References

Related Articles 15

Recommended Articles

Metrics