基于机器学习的 Webshell 检测

源码下载地址

点击这里下载源码

项目介绍

本课题旨在研究机器学习在 Webshell 检测中的应用，以目前应用广泛的服务器端语言 PHP 为例，通过学习和研究 PHP Webshell 在检测中的对抗手段，收集充分的黑白样本用于机器学习模型训练，采用较为有效的方式进行特征化工程，清洗出可用于机器学习的带有标签的标准化特征向量，从而进行监督式机器学习。

同时尝试采用不同机器学习算法进行学习训练，如 Bagging 算法系列中较为著名的随机森林分类算法、Boosting 算法系列中较为著名的 XGBoost 提升算法、模式识别领域中较为常见的 K-近邻算法、分类问题中较为经典的有监督学习算法决策树分类算法等，对比训练结果遴选出最优算法模型。最后通过网格搜索和交叉验证对训练模型进行优化，用得到的训练模型来对新的 PHP 样本文件进行检测试验，观察其检测效果及对未知样本的检测能力，进行试验结果评估和总结。

界面预览

项目备注

1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。
3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。
下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。

毕设定制，咨询

添加作者公众号咨询即可

源码下载地址

点击这里下载源码