学习笔记（九）：使用支持向量机识别XSS

1.特征化：提取特征，对特征进行向量化，标准化，均方差缩放，去均值操作

def get_len(url):
    return len(url)
def get_url_count(url):
    if re.search('(http://)|(http://)',url,re.IGNORECASE):
        return 1
    else:
        return 0
def get_evil_char(url):
    return len(re.findall("[<>,\'"/]",url,re.IGNORECASE))
def get_evil_word(url):
    return len(re.findall("(alert)|(script=)(%3c)|(%3e)|(%20)|(onerror)|(onload)))

min_max_scaler = preprocessing.MinMaxScaler()
x_min_max=min_max_scaler.fit_transform(x)

2.数据打标：XSS标记为1，正常访问标记为0。

3.数据拆分：将数据区分成训练组和测试组。

x_train,x_test,y_train, y_test=cross_validation.train_test_split(x,y,test_size=0.4)

4.数据训练：我们使用最简单的核函数linear

clf = svm.SVC(kernel='linear',C=1).fit(x,y)
joblib.dump(clf, "xss-svm-200000-module.m")

7.模型验证

clf = joblib.load("xss-svm-200000-module.m")
y_test = []
y_test = clf.predict(x)
print metrics.accuracy_score(y_test,y)