研究人员开发了一个名为WAPP(Whitelisting Autonomous Policy Producer)的新框架,旨在从实时流量中安全地学习Web应用程序防火墙(WAF)的正向安全策略。传统的WAF通常依赖签名,这使得它们容易受到新型攻击,而正向安全方法则学习合法流量模式。然而,直接从实时数据中学习可能会受到恶意输入的损害。WAPP通过集成信任过滤、规则合成、置信度评分和验证,然后在强制执行策略之前进行这些操作,来解决这个问题。在受控应用程序上的实验表明,与现有方法相比,WAPP在提高中毒弹性方面具有有效性,同时提供了与语言模型相当的攻击阻止能力,而没有推理成本。 AI
影响 这项研究通过实现更安全、更有效地从实时流量数据中学习,可能带来更强大、更安全的Web应用程序防火墙。
排序理由 这是一篇详细介绍WAF策略学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →