KONVOLYUTSION NEYRON TARMOQLARI VA QO‘LLAB-QUVVATLASH VEKTOR MASHINASINI BIRLASHTIRGAN GIBRID YONDASHUV YORDAMIDA SAYTLARARO SKRIPTLASH (XSS) HUJUMLARINI ANIQLASHNING YAXSHILANGAN USULI

Abstrak

Saytlararo skript (XSS) hujumlari web-xavfsizlikka duch keladigan tahdidlar qatoriga kiradi, bu HTML formatlarining xilma-xilligi va murakkabligidan kelib chiqadi. Tadqiqotlar shuni ko‘rsatdiki, ba’zi matnni qayta ishlashga asoslangan usullar ushbu turdagi hujumni aniqlash qobiliyatida cheklangan. Ushbu maqolada ma’lum texnikalarning cheklovlarini hisobga olgan holda, ushbu turdagi hujumni aniqlashni yaxshilashga qaratilgan yondashuv taklif qilinadi. U konvolyutsion neyron tarmoqlari (CNN) bilan ifodalangan chuqur o‘rganish samaradorligini va qo‘llab-quvvatlash vektor mashinalari (SVM) bilan ifodalangan tasniflash usullarining aniqligini birlashtiradi. U CNNlarning in’ektsiya o‘zgarishlari oldida murakkab vizual naqshlarni samarali aniqlash qobiliyatidan va SVMning kuchli tasniflash qobiliyatidan foydalanadi, chunki XSS hujumlari ko‘pincha faqat matn usullari bilan aniqlash qiyin bo‘lgan chalkashtirish yoki shifrlash texnikalaridan foydalanadi. Ushbu ish Kaggle-da mavjud bo‘lgan va ushbu hujumlar bilan bog‘liq zararli va zararli holatlarni o‘z ichiga olgan skript shaklida 13 686 ta jumlani o‘z ichiga olgan XSS hujumlariga qaratilgan ma’lumotlar to‘plamiga asoslangan. Xavfsiz ma’lumotlar 6313 ta holatni, zararli ma’lumotlar esa 7373 ta holatni ifodalaydi. Model ushbu ma’lumotlarning 80% bo‘yicha o‘qitildi, qolgan 20% esa sinov uchun ajratildi. Tasvirlardagi vizual naqshlarni tahlil qilish va o‘ziga xos xususiyatlarni ajratib olish uchun kompyuter ko‘rish texnikasidan foydalanildi, matnli tasvirdan vizual tasvirga o‘tdi, bu yerda har bir belgi ASCII kodlashiga, so‘ngra kulrang piksellarga aylantirildi. Oddiy va zararli kod satrlarining xususiyatlarini va ularning vizual tasviridagi farqlarni vizual ravishda ajratish uchun tahlilda CNN modeli ishlatilgan. Konvolyutsiya va subnamunalash (pul yig‘ish) qatlamlari turli darajadagi abstraktsiyalarda muhim naqshlarni ajratib oladi, yakuniy natija esa optimallashtirilgan SVM kabi tasniflash algoritmi tomonidan ishlatilishi mumkin bo‘lgan xususiyat vektoriga aylantiriladi. Eksperimental natijalar model uchun (99,7%) aniqlik bilan ajoyib ishlashni ko‘rsatdi va bu model haddan tashqari moslashish yoki ishlashni yo‘qotish xavfisiz samarali umumlashtirishga qodir. Bu murakkab XSS tahdidlaridan ishonchli himoyani ta’minlash orqali web-ilovalar xavfsizligini sezilarli darajada oshiradi.