徐迪

（中移（杭州）信息技术有限公司，杭州 310012）

现如今，互联网已成为人们家庭与工作生活的重要组成部分。网站的功能也是日新月异，增加了更多的互动功能，以提供更好的用户体验。这些业务极大的流行，使得75%以上的网络攻击都瞄准了Web，而随着Web应用类型的丰富，Web攻击也丰富起来[1]。

日益频繁和多样化的Web攻击使运营者意识到Web安全面临的巨大风险，网站自身及客户的数据泄露风险巨大，网站的声誉极易受损，网站可用性难以保障，业务中断带来的经济损失巨大[1]。

Web应用防火墙（简称WAF）通过精细的配置将多种Web安全检测方法连接成一套完整的解决方案，能够对网站的HTTP请求进行检测，识别恶意请求[1]。但是市面上大部分WAF均基于静态规则对HTTP请求进行检测，规则的提炼基于对各类攻击语句进行提炼，构造正则匹配，或者识别请求中是否包含敏感文件、路径及命令等。基于规则的恶意HTTP请求识别对一些基础攻击请求能起到一定的识别作用，包括SQL注入、XSS注入、远程命令执行、文件包含等，但是规则也非常容易被绕过，不能覆盖住比较隐藏或者深度构造的恶意请求，同时规则数量的增加对系统性能影响非常大，但是随着攻击方式的逐日更新，必须定期更新规则，这样给性能带来很大的挑战。综上，传统的基于规则的恶意HTTP请求识别已经不能满足现阶段WAF的需求，因此将机器学习、数据挖掘等方法应用到恶意HTTP请求识别中，已经成为现阶段研究热点之一。……