检索结果-南通市图书馆

MNN-XSS:Modular Neural Network Based Approach for XSS Attack Detection

Computers, Materials & Continua 2022年第2期70卷 4075-4085页

作者： Ahmed Abdullah Alqarni Nizar Alsharif Nayeem Ahmad Khan Lilia Georgieva eric pardade Mohammed Y.Alzahrani Department of Computer Sciences and Information Technology AlBaha UniversityAlBahaSaudi Arabia Department of Computer Science Heriot-Watt UniversityEdinburghUK Department of Computer Science and Information Technology La Trobe UniversityMelbourneVIC 3086Australia

The rapid growth and uptake of network-based communication technologies have made cybersecurity a significant challenge as the number of cyber-attacks is also increasing.A number of detection systems are used in an attempt to detect known attacks using signatures in network *** recent years,researchers have used different machine learning methods to detect network attacks without relying on those *** methods generally have a high false-positive rate which is not adequate for an industry-ready intrusion detection *** this study,we propose and implement a new method that relies on a modular deep neural network for reducing the false positive rate in the XSS attack detection *** were performed using a dataset consists of 1000 malicious and 10000 benign *** model uses 50 features selected by using Pearson correlation method and will be used in the detection and preventions of XSS *** results obtained from the experiments depict improvement in the detection accuracy as high as 99.96%compared to other approaches.

关键词： Cybersecurity XSS deep learning modular neural network

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：