领域专用语言的XML处理

XML中基于数据库的异常检测增量学习器

An Incremental Learner for Language-Based Anomaly Detection in XML

可扩展置标语言（XML）是一种复杂的语言，因此，基于XML的协议容易受到整个隐式和显式安全问题的影响。基于XML的协议中的消息格式通常在XML模式中指定，作为第一道防线，模式验证应该拒绝格式错误的输入。然而，大多数协议规范中的扩展点破坏了验证。扩展点是通配符，被认为是松散组合的最佳实践，但它们也使攻击者能够在文档中添加未经检查的内容，例如，进行签名包装攻击本文介绍了数据化的XML可视化下推自动机（dXVPAs）作为混合内容XML的语言表示，并提出了一个增量学习器，推断dXVPA从示例文档。学习者根据自动机状态和转换来概括XML类型和数据库，并且推断出的dXVPA收敛到真实语言的足够好的近似。自动机没有扩展点，并且能够进行流验证，例如，作为基于XML的协议的异常检测器。为了处理对抗性训练数据，考虑了两种中毒情况：中毒攻击在稍后的时间被发现或保持隐藏。因此，Unlearning可以从dXVPA中删除已识别的中毒攻击，而Sanitation则可以修剪低频率的状态和转换，以消除隐藏的攻击。所有的算法都在四种情况下进行了评估，包括在Apache Axis2和Apache Rampart中实现的Web服务，其中模拟了攻击。在所有情况下，学习自动机都没有误报，并且优于传统的模式验证。