技术特征：
技术总结
本发明公开了一种基于机器学习的WEB恶意请求深度检测系统及方法，涉及计算机网络安全技术领域。系统包括数据库模块、分类器训练模块、流量检测模块；数据库模块存放网关WEB流量数据，分类器训练模块被配置为进行分类训练，以得到第一分类器和第二分类器，流量检测模块包括正则匹配模块、内外网请求分类模块、内网请求检测模块、非内网请求检测模块。网关WEB流量数据经正则匹配和流量类别划分处理后，分为内网请求流量数据和非内网请求流量数据，前者被送入第二分类器检测，后者被送入第一分类器检测，检测结果全部被存入数据库模块。本发明使用了多模型的深度检测技术，成功实现了对网关恶意流量的检测，具有错检率和漏检率低，数据集适应性强等优势。
技术研发人员：邹福泰;张庆儒;赵铭华;张恒瑞;张子瑄
受保护的技术使用者：上海交通大学
技术研发日：2018.11.09
技术公布日：2019.03.29