# 基于机器学习的 Webshell 检测
> Research of Webshell Detection Based on Machine Learning
本课题旨在研究机器学习在 Webshell 检测中的应用,以目前应用广泛的服务器端语言 PHP 为例,通过学习和研究 PHP Webshell 在检测中的对抗手段,收集充分的黑白样本用于机器学习模型训练,采用较为有效的方式进行特征化工程,清洗出可用于机器学习的带有标签的标准化特征向量,从而进行监督式机器学习。
同时尝试采用不同机器学习算法进行学习训练,如 Bagging 算法系列中较为著名的随机森林分类算法、Boosting 算法系列中较为著名的 XGBoost 提升算法、模式识别领域中较为常见的 K-近邻算法、分类问题中较为经典的有监督学习算法决策树分类算法等,对比训练结果遴选出最优算法模型。最后通过网格搜索和交叉验证对训练模型进行优化,用得到的训练模型来对新的 PHP 样本文件进行检测试验,观察其检测效果及对未知样本的检测能力,进行试验结果评估和总结。
## Overview
![image-20210613204622665](images/image-20210613204622665.png)
Webshell 检测策略:
![image-20210613204414684](images/image-20210613204414684.png)
PHP Webshell 免杀:
![image-20210613204505788](images/image-20210613204505788.png)
主要相关工作:
![image-20210613204918391](images/image-20210613204918391.png)
检测框架:
![image-20210613205618194](images/image-20210613205618194.png)
## Related Work
数据收集:
![image-20210613205757036](images/image-20210613205757036.png)
OPCode 提取:
![image-20210613205851577](images/image-20210613205851577.png)
自然语言处理:
![image-20210613205934024](images/image-20210613205934024.png)
![image-20210613205958429](images/image-20210613205958429.png)
机器学习模型训练:
![image-20210613210049669](images/image-20210613210049669.png)
## System Design & Development
<details>
<summary>Machine Learning</summary>
![image-20210613210324764](images/image-20210613210324764.png)
</details>
<details>
<summary>Web Application</summary>
![image-20210613210516105](images/image-20210613210516105.png)
前端 UI 界面:
![1](images/1.png)
扫描报告模板:
![muban](images/muban.png)
</details>
<details>
<summary>CLI Application</summary>
![image-20210613210558050](images/image-20210613210558050.png)
运行结果演示:
![image-20210613211105540](images/image-20210613211105540.png)
</details>
<details>
<summary>GUI Application</summary>
![image-20210613210638356](images/image-20210613210638356.png)
运行结果演示:
![image-20210613210921991](images/image-20210613210921991.png)
</details>
**- 参考 -**
- https://github.com/opensec-cn/chip
- https://github.com/0v3rW4tch/webshell_detect_cms
- https://github.com/hooog/webshellDc
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
基于机器学习的 Webshell 检测.zip (175个子文件)
CNAME 12B
elements.theme.css 159KB
x.css 38KB
font-awesome.css 37KB
font-awesome.min.css 30KB
select2.css 17KB
select2.min.css 15KB
flatpickr.min.css 15KB
normalize.css 8KB
app.css 7KB
ion.rangeSlider.css 3KB
ion.rangeSlider.skinHTML5.css 3KB
ion.rangeSlider.skinModern.css 2KB
ion.rangeSlider.skinFlat.css 2KB
ion.rangeSlider.skinSimple.css 2KB
ion.rangeSlider.skinNice.css 2KB
fontawesome-webfont.eot 162KB
cat.gif 54KB
.gitignore 31B
XDet-2021-05-10-164703.html 78KB
report.html 50KB
report.html 50KB
report.html 50KB
part_3.html 42KB
part_3.html 42KB
index.html 9KB
part_1.html 6KB
part_1.html 6KB
jquery.js 265KB
jquery.slim.js 214KB
select2.full.js 162KB
Chart.min.js 156KB
select2.js 143KB
bootstrap.js 121KB
jquery-3.6.0.min.js 87KB
jquery.min.js 85KB
popper.js 83KB
ion.rangeSlider.js 83KB
select2.full.min.js 74KB
jquery.slim.min.js 68KB
select2.min.js 66KB
bootstrap.min.js 50KB
flatpickr.min.js 44KB
ion.rangeSlider.min.js 40KB
switchery.min.js 24KB
popper.min.js 20KB
main.js 4KB
default.js 2KB
sk.js 1KB
cs.js 1KB
el.js 1KB
ru.js 1KB
hi.js 1KB
uk.js 1KB
sr-Cyrl.js 1KB
km.js 1KB
th.js 1KB
ps.js 1024B
hsb.js 1021B
dsb.js 1020B
hy.js 1010B
fa.js 1009B
mk.js 984B
he.js 956B
bs.js 945B
sr.js 943B
pl.js 930B
lt.js 918B
ro.js 915B
bg.js 911B
nl.js 901B
es.js 897B
sl.js 895B
gl.js 891B
fr.js 888B
it.js 881B
ca.js 881B
lv.js 877B
ar.js 873B
pt.js 864B
ko.js 859B
de.js 858B
pt-BR.js 858B
ja.js 853B
af.js 851B
eu.js 849B
hr.js 844B
en.js 832B
da.js 813B
hu.js 807B
vi.js 805B
ms.js 796B
sv.js 791B
fi.js 787B
tk.js 780B
et.js 780B
tr.js 778B
is.js 778B
zh-CN.js 774B
nb.js 763B
共 175 条
- 1
- 2
资源评论
Nowl
- 粉丝: 1w+
- 资源: 3975
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功