《表5 正常样本特征：一种基于支持向量机的跨站脚本漏洞检测技术》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于支持向量机的跨站脚本漏洞检测技术》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本实验用到的主机配置为CPU Intel i5，主频2.0 GHz，内存8 GB，操作系统是64位Windows 10。对于现有的机器识别方法，采用Weka实验平台进行测试，通过SVM分类器来识别跨站脚本攻击。本文提出的算法则是通过Microsoft Visual Studio 2015与Microsoft SQL Server 2012编程进行数据集的特征预处理。首先对收集到的原始数据进行分类概括总结出了46个特征，然后利用正则表达式匹配算法进行数据的预处理，再采用本文提出的RE-SVM-RFE特征选择算法来匹配出最好的特征。从46个特征中找出最具代表性的6个特征作为最终的验证数据集。最佳特征应具有稳定性、可辨别性和相对独立性等特征，其中稳定性表示同一类别的特征值就相近、可辨别性表示不同类别的特征取值应具有明显差异、相对独立性表示各个不同特征之间关联性不强[20]。本实验中提取出的6个最优特征能够准确地反映Web请求载荷数据的本质特征。表5、6给出了提取后的最优样本特征值。每个特征所表示的含义为:特征1表示特殊字符频率、特征2表示数字个数频率、特征3表示小写字母个数频率、特征4表示大写字母字符个数频率、特征5表示不同类型的攻击关键词特征字符频率和特征6表示载荷数据中是否出现相应类型攻击的特征关键字类别标号。最后选择出最优的各类样本集特征如表5、6所示。