# webshell-detect

**Repository Path**: theseuscode/webshell-detect

## Basic Information

- **Project Name**: webshell-detect
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-09-04
- **Last Updated**: 2022-04-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# ANN(MLP) Webshell 检测模型

通过多层感知机检测 PHP 、ASP、JSP等恶意脚本

运行环境：linux、python3

## 安装说明

安装依赖：

推荐安装顺序：pymysql,flask,tensorflow,scikit-learn,tflearn,h5py,scipy,numpy,

```
sudo pip3 install pymysql
sudo pip3 install flask==1.1.0
sudo pip3 install tensorflow==1.14.0
sudo pip3 install scikit-learn==0.20.2
sudo pip3 install tflearn
sudo pip3 install h5py==2.9.0
sudo pip3 install scipy==1.2.0
sudo pip3 install numpy==1.15.4
```

>   参考命令：
>
>   -   更新setuptools:`$ pip3 install --upgrade setuptools`
>   -   升级pip3:`$ pip3 install --upgrade pip`

>   需要确认各模块的版本，建议安装一个模块时首先使用`sudo pip3 uninstall`卸载原有模块



初始化数据集，黑白样本分别位于 `dataset/{black,white}` 目录下。这可以自己调整，也可以自行到github中下载样本。

初始化数据库（用于运行 Web UI，程序demo.py需要用到）：

```
mysql -u<username> -p<password> < schema.sql
```

## 使用说明

1.  训练新模型：

```
./training.py
```

想要再次训练新的模型，只需要更改训练样本，然后再次运行training.py即可

2.  测试模型：

```
./testing.py
```

3.  检测：

运行 Demo（默认绑定在 `0.0.0.0:5000`）：

```
./demo.py
```

## 参考资料

1. [cnn-webshell-detect: demo for detecting webshell with cnn (gitee.com)](https://gitee.com/w1nd7/cnn-webshell-detect?_from=gitee_search)
2. [基于机器学习的 Webshell 发现技术探索 (gitbook.cn)](https://gitbook.cn/books/5954727545ce787060240588/index.html)

3.  [sklearn计算准确率和召回率----accuracy_score、metrics.precision_score、metrics.recall_score - 灰信网（软件开发博客聚合） (freesion.com)](https://www.freesion.com/article/518244864/)
4.  [Environment: TensorFlow - FloydHub Documentation](https://docs.floydhub.com/guides/tensorflow/#tensorflow-22)
5.  [ValueError: shapes (a,b) and (c,d) not aligned: b (dim 1) != c ( - 哔哩哔哩 (bilibili.com)](https://www.bilibili.com/read/cv7097548/)
6.  [sklearn 神经网络 MLPClassifier简单应用与参数说明 - 简书 (jianshu.com)](https://www.jianshu.com/p/71fde5d90136)