lishiyucn / codebert-based-webshell-detection

使用CodeBERT来webshell classfication

news 等找到实习后，整理一下代码，供大家方便使用。

CodeBERT-based-webshell-detection

BERT : https://arxiv.org/abs/1810.04805

CodeBERT：sxjscience/CodeBERT: CodeBERT (github.com)

我们使用CodeBERT作为预训练模型，作为模型的encode部分，使用TextCNN作为decoder部分对php代码进行二分类Fine-Tune，其中webshell为黑样本，其他为白样本。

Code Documentation Generation

Dependency

• pip install torch==1.7.1
• pip install transformers==4.0.1
• pip install filelock more_itertools

database

数据集黑样本为github中开源项目tennc/webshell: This is a webshell open source project (github.com)

和论文Webshell Detection Based on the Word Attention Mechanism中的数据集：leett1/Programe (github.com)

取出php文件并去重之后为2000多个。

白样本约8000个。

由于数据集质量不高，Acc仅供参考

Accuracy Score = 1

F1 Score (Micro) = 1

F1 Score (Macro) = 1

数据集和模型太大所以没有上传，有疑问[email protected]