基于机器学习的web入侵检测

• 数据集使用2021年5月到2021年7月的log数据为训练.2021年8月到2021年10月为预测数据

web攻击属于机器学习的分类问题,分类问题有可以分为监督学习和无监督学习.本文使用监督学习,也就是说样本需要提前标注.1表示web受到攻击,0表示web正常.

以下特征被用作分析,这些特征都是从log日志中提取出来的

HTTP return code 
URL length
Number of parameters in the query 

提取日志的脚本为:

 #Retrieve data form a a http log file (access_log)
 def extract_data(log_file):
        regex = '([(d.)]+) - - [(.*?)] "(.*?)" (d+) (.+)