Настоящая работа содержит результаты исследования применимости методов машинного обучения в задачах обнаружения атак на веб-приложения. Объектом исследований дипломной работы является http-трафик. Предметом обнаружение атак на веб-приложения. Целью работы является обеспечение защиты веб-приложений от атак класса «Отраженный межсайтовый скриптинг (RXSS)» с использованием методов машинного обучения. В ходе выполнения дипломной работы использовались такие методы исследования, как анализ и моделирование, применявшиеся для выбора наиболее перспективного подхода выявления атак класса «Отраженный межсайтовый скриптинг». По результатам экспериментальных исследований была выполнена оценка эффективности разработанного подхода, предложены признаки и алгоритмы, позволяющие повысить эффективность обнаружения атак класса «Отраженный межсайтовый скриптинг».

This paper contains the results of a study of the applicability of machine learning methods in the detection of attacks on web applications. The object of the research work is http-traffic. The subject is the detection of attacks on web applications. The aim of the work is to protect the web applications from the attacks "Reflected cross-site scripting (RXSS)" using machine learning methods. In the course of the work, research methods such as analysis and modeling were used to select the most effective approach for detecting attacks of the class "Reflected cross-site scripting". Based on the results of experimental studies, the effectiveness of the developed approach was evaluated, the signs and algorithms were proposed to increase the detection efficiency of the class "Reflected cross-site scripting".