XSS Adversarial Attacks Based on Deep Reinforcement Learning: A Replication and Extension Study

作者: Samuele Pasini, Gianluca Maragliano, Jinhan Kim, Paolo Tonella

发布时间: 2025-02-27

来源: arxiv

研究方向: 网络安全，深度学习，对抗攻击

主要内容

该论文研究了基于深度强化学习的XSS对抗攻击，旨在通过对抗攻击提升XSS检测模型的鲁棒性。论文首先复现了现有研究，然后分析了其潜在的威胁，并提出了改进方法。

1. 复现了基于深度强化学习的XSS对抗攻击研究

2. 识别了现有研究的潜在威胁，并提出了改进方法

3. 引入了XSS Oracle来评估和缓解潜在威胁

4. 通过实验验证了改进方法的有效性

1. 深度强化学习

2. 对抗攻击

3. XSS Oracle

4. 实验验证

实验结果表明，改进方法能够有效缓解现有研究的潜在威胁，并保持与原方法相当的性能。

未来研究可以进一步探索以下方向：1. 研究更有效的对抗攻击方法；2. 探索其他类型的网络安全威胁；3. 将对抗攻击应用于其他领域