一种基于行为分析的Web应用防火墙自学习系统

本申请涉及防火墙技术领域，其具体地公开了一种基于行为分析的Web应用防火墙自学习系统，其通过实时捕获并解析原始HTTP请求流，进行规范化处理和特征工程。接着，采用变分自编码器模型分析单个请求的深层语义与结构特征，精准评估其瞬时风险。同时，将单个请求特征融入所属会话序列，利用序列编解码器模型捕捉用户行为的时间上下文关联与演变规律，评估长期风险。随后动态整合瞬时风险与长期风险，得出对当前请求的综合处置决策。最后将裁决后的请求数据作为新训练样本，在线反向优化两个分析模型，形成闭环自学习机制。