Detecting SQL Injections using Deep Learning
Loading...
Files
Date
Journal Title
Journal ISSN
Volume Title
Publisher
Setif 1 University Ferhat Abbas . Faculty of Sciences
Abstract
Les attaques par injection SQL demeurent l'une des plus grandes menaces pour les applications web, car elles permettent à un attaquant d'accéder à des données confidentielles sans autorisation, ce qui peut entraîner des dommages irréparables. Dans le cadre de ce projet, nous avons étudié comment l'apprentissage profond et l'apprentissage automatique peuvent contribuer à la détection automatique de ces attaques. Au total, nous avons conçu et évalué six modèles : la régression logistique, les machines à vecteurs de support (SVM), le perceptron multicouche (MLP), les réseaux de neurones récurrents (RNN), la mémoire à long terme (LSTM) et BERT (Bidirectional Encoder Representations from Transformers). Globalement, BERT a obtenu les meilleurs scores en termes d'exactitude, de précision, de rappel et de score F1. Ceci démontre que les modèles basés sur les transformeurs, tels que BERT, comprennent mieux les structures des requêtes SQL, ce qui les rend efficaces pour détecter les attaques complexes. Cette étude montre comment l'apprentissage profond, et en particulier BERT, peut améliorer la sécurité des applications web.
Description
SQL injection attacks remain one of the biggest threats to web applications, because they allow the attacker to gain trusted access to data without authorization, which can lead to irreparable damages. As part of this project, we examined how deep learning and machine learning can aid in detecting these attacks automatically. In total, we built and evaluated six models: Logistic Regression, Support Vector Machine (SVM), Multilayer Perceptron (MLP), Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), and BERT (Bidirectional Encoder Representations from Transformers). Overall, BERT achieved the highest scores in accuracy, precision, recall, and F1-score. This demonstrates that transformer-based models such as BERT have a better understanding of SQL query structures, which makes them efficient in detecting complex attacks. This study shows how deep learning, especially BERT, can improve web application security.