ОБНАРУЖЕНИЕ АТАК НА ВЕБ-ПРИЛОЖЕНИЯ НА ОСНОВЕ КОМБИНИРОВАНИЯ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ И МНОГОСЛОЙНЫХ ПЕРЦЕПТРОНОВ

Резюме: Специалисты компании Bi.Zone проанализировали уязвимости, найденные в российских и зарубежных веб-приложениях в конце 2024 года. По этим данным, за месяц в мире обнаруживается порядка тысячи новых веб-уязвимостей. Следовательно, обеспечение безопасности веб-приложений остаётся важнейшей задачей в области кибербезопасности. В работе предлагается метод обнаружения атак на веб-приложения с использованием комбинированного подхода, основанного на глубоком обучении, включающего сверточные нейронные сети (CNN), рекуррентные нейронные сети (LSTM), многослойные перцептроны (MLP) и их комбинации с целью повышения точности обнаружения атак на веб-приложения. Основное внимание уделено гибридной модели, комбинирующей CNN и MLP, которая сочетает преимущества пространственного анализа и эффективных классификационных возможностей. Проведённое тестирование показало эффективность подхода на ряде датасетов, включая CSIC 2010 и различные наборы данных с Kaggle.

Ключевые слова: кибербезопасность, защита веб-приложений, атаки на веб-приложения, глубокое обучение, машинное обучение.

I.V. Kotenko, P.S. Sobolev

DETECTION OF ATTACKS ON WEB APPLICATIONS BASED ON A COMBINATION OF CONVOLUTIONAL NEURAL NETWORKS AND MULTILAYER PERCEPTRONS

Summary: Bi.Zone company specialists analyzed vulnerabilities found in Russian and foreign web applications at the end of 2024. According to these data, about a thousand new web vulnerabilities are discovered in the world every month. Therefore, ensuring the security of web applications remains a critical cyber security task. This paper proposes a method for detecting attacks on web applications using a combined approach based on deep learning, including convolutional neural networks (CNN), recurrent neural networks (LSTM), multilayer perceptrons (MLP) and their combinations in order to increase the accuracy of detecting attacks on web applications. The main focus is on the CNN and MLP hybrid model, which combines the advantages of spatial analysis and powerful classification capabilities. The conducted testing showed the effectiveness of the approach on a number of datasets, including CSIC 2010 and various Kaggle datasets.

Keywords: cybersecurity, web application protection, attacks on web applications, deep learning, machine learning.

DOI: 10.34219/2078-8320-2025-16-2-90-96

Соболев Павел Сергеевич – аспирант, Санкт- Петербургский национальный исследовательский университет информационных технологий, механики и оптики, e-mail: 242569@niuitmo.ru

Kotenko Igor Vitalievich – Doctor of Technical Sciences, Prof., Honored Scientist of the Russian Federation, chief researcher, St. Petersburg Federal Research Center of the Russian Academy of Sciences, e-mail: ivkote@comsec.spb.ru

Sobolev Pavel Sergeevich – Postgraduate student, St. Petersburg National Research University of Information Technology, Mechanics and Optics. e-mail: 242569@niuitmo.ru