基于深度学习的sql注入检测系统`内训练模型和推理脚本和环境搭建教程.zip

# 基于深度学习的sql注入检测系统:内训练模型和推理脚本和环境搭建教程 DeepSQLi 是一种基于深度自然语言处理的工具。 该存储库包括测试用例生成模块以及重现实验所需的其他依赖项。 ＃＃ 入门 这些说明将为您提供在本地计算机上启动并运行的项目副本，以用于开发和测试目的。 ### 1. 构建 SUT #### 先决条件 * 雄猫5 * Java 1.4 * MySQL 5 #### 有用的设置信息 (1) 每个应用程序都作为 WAR 文件分发在`/SUT/*.war`中； (2) 应用程序的数据库位于WAR 文件中。您可以在加载 SUT 后使用 DB 初始化脚本。 (2)`/SUT/Instrument`用于输出SUT中的SQL语句。其具体执行步骤在`/SUT/Instrument/README.md`中。 ### 2.安装爬虫 DeepSQLi 使用爬虫自动解析 SUT 的 Web 链接。 实验中我们使用Burp Suite（专业版）。 #### 有用的设置信息 （1）从官网下载【Burp Suite Pro】（https://portswigger.net/burp）； （2）我们首先需要设置`\Demo\demo.log`等日志路径，以便下一步使用爬虫获取到的日志文件； (3) 保持浏览器代理与Burp Suite一致，并开始扫描SUT。 ### 3. 安装评估模块 以保证准确性。 DeepSQLi 使用强大的工具“SQL Parser”来确定 SQL 语句是否是恶意的。 #### 有用的设置信息 （1）从官网下载【SQL Parser】（http://www.sqlparser.com/）； (2) 打包，记录路径如`\Demo\demo.jar`。 ### 4. Configure the test case module to begin testing #### Prerequisites * python 3.4+ * pytorch 1.3.1 * torchtext 0.4.0 * spacy 2.2.2+ * tqdm * dill * numpy * click * jpype #### Useful Setup Information ``` python main.py -t <targetDomain> -l <logPath> -i <jarPath> ``` * \<targetDomain> is the target domain of SUT, such as`localhost/empldir` * \<logPath> is the log path of SUT, such as`/demo/demo.log` * \<jarPath> is the package path of SQL Parser, such as`/demo/demo.jar`