用卷积神经网络在CSIC2012数据集进行训练，准确率达99.3%，可以实现对8种Web攻击以及异常请求的检测。

主要内容描述：

1. docker run -d -v /root/cnn_waf:/app -p 8888:8888 thuuyen18102001/nckh2023:cnn-env-v1.4

2. 训练和测试的结果请看cnn_train_test.ipynb。

3. 要应用该模型进行检测请使用detector.py。其中训练好模型保存在model目录下，将URL向量化的模型保存在tokenizer目录下，若要使用detector.py，请自行更改路径。

   # for example
   from detector import Detector
   
   url_test = "GET /tienda1/publico/caracteristicas.jsp?id=d%27z%220"
   detector = Detector()
   label_test = detector.predict_url(url_test)
   print(url_test)
   # out SQLI

4. API server: docker run -d -p 8009:80 thuuyen18102001/nckh2023:cnn-fastapi-v1.1

参考：

1. Torpeda CSIC 2012 datasets

2. Detecting Malicious Requests with Keras & Tensorflow

3. Fwaf-Machine-Learning-Driven-Web-Application-Firewall

4. Deep Learning with Python