Key points are not available for this paper at this time.
हाल के वर्षों में, वेब-आधारित प्लेटफ़ॉर्म और व्यावसायिक अनुप्रयोगों की लोकप्रियता बढ़ रही है और ये अपने आप को अव्यावहारिक मानते हैं क्योंकि ये व्यापार प्रक्रियाओं और सूचना साझा करने की मुख्य रीढ़ हैं। हालाँकि, साइबर-हमलों की अभूतपूर्व वृद्धि उनकी दिन-प्रतिदिन की गतिविधियों को खतरे में डाल रही है। विशेष रूप से, स्टैंडर्ड क्वेरी लैंग्वेज इंजेक्शन अटैक (SQLIA) उन सबसे प्रचलित साइबर हमलों में से एक है जो वेब-आधारित अनुप्रयोगों को लक्ष्य बनाता है। इसलिए, SQLIA पहचान तकनीकों को लगातार संशोधित करने और अद्यतन रखने की आवश्यकता है ताकि ऐसे खतरों को कम करने की पूरी क्षमता प्राप्त की जा सके। इस पत्र में, हम SQLIA का पता लगाने के लिए पर्यवेक्षित मशीन लर्निंग तकनीकों पर आधारित एक कृत्रिम बुद्धिमत्ता मॉडल प्रस्तुत करते हैं। प्रस्तावित मॉडल के हिस्से के रूप में, हम SQL क्वेरी डेटा में असामान्यताओं-इंजेक्शनों के लिए पैटर्न मिलान का उपयोग करके एक प्रारंभिक असामान्यता पहचानकर्ता के रूप में एक इनपुट स्ट्रिंग सत्यापन तकनीक पेश करते हैं। हमारे दृष्टिकोण का मूल्यांकन करने के लिए, हमने एक प्रकार के SQLIA को इंजेक्ट किया जो कि तौटोलॉजी हमले हैं और हमारे मॉडल के प्रदर्शन को मापा। हमने अपने मॉडल में तीन मुख्य वर्गीकर्ताओं का उपयोग किया और हमारे निष्कर्ष बताते हैं कि समर्थन वेक्टर मशीन (SVM) के लिए मॉडल पूर्वानुमान सटीकता 98.3605%, K-Nearest Neighbors (KNN) के लिए 96.296% और रैंडम फॉरेस्ट के लिए 97.530% है। इस पत्र में प्रस्तावित दृष्टिकोण को एक स्वचालित SQL इंजेक्शन पहचान तंत्र को अंतःकक्ष पहचान प्रणालियों (IDS) और अंतःकक्ष सुरक्षा प्रणालियों (IPS) के साथ एकीकृत करने के लिए उपयोग किए जाने की संभावना है।
इरुंगु एट अल। (शुक्रवार), इस प्रश्न का अध्ययन किया।