基于AI的Web攻击检测框架，用于增强有效载荷分类

本文介绍了WAMM，一个基于AI的Web攻击检测框架，解决了基于规则的WAF的局限性。它侧重于数据集的优化和模型评估，使用多阶段增强管道来提高攻击检测的准确性。这项研究强调了精心策划的训练管道和高效的机器学习模型对于实时Web攻击检测的有效性，与传统方法相比，提供了一种更具弹性的方法。

• •WAMM是一个用于Web攻击检测的AI驱动框架。
• •它使用多阶段增强管道进行数据集优化。
• •XGBoost以快速推理实现了高精度。
• •WAMM在检测攻击方面优于基于规则的系统。