突然想到能否通过深度学习来进行相似 url 去重

[xiaoyu233]

我知道肯定是能的

只是突然想到对

http://xxxxxx.com/test/2333.php?id=1&xxxx=xxx&aaaa=123
http://xxxxxx.com/test/2333.php?id=1&xxxx=xxx&aaaa=233
http://xxxxxx.com/test/2333.php?id=1&xxxx=xxx&aaaa=333
http://xxxxxx.com/test/2333.php?id=1&yyyy=xxx&aaaa=233

类似这样的 url 进行去重

http://xxxxxx.com/test/2333.php?id=1&xxxx=xxx&aaaa=123
http://xxxxxx.com/test/2333.php?id=1&yyyy=xxx&aaaa=233

因为如果是爬虫检测漏洞的话以上 url 测试一个或者几个就可以了，没必要把整个网站所有这些参数的 url 的都测试一遍

用正则匹配或者其他方式实现感觉比较麻烦，而且效果不满意，可能有效果好的人家也不告诉你算法

只是突然又此想法，所以，有大神类似代码做参考吗 =.=|||

之前看到有 waf 用机器学习来识别恶意 url 的思路

[glasslion]

我知道肯定是能的
-----------------------------

别这么肯定

[binux]

作为人类，我都看不出来你这个去重的标准是什么，何况机器了。

[stcasshern]

你的例子似乎用正则就可以搞定，深度学习估计会有效果，但是能保证有必要吗。。。

[xiaoyu233]

@binux 思路是漏洞测试主要是测试这些 id 参数，判断 id 参数是否重复进行去重，这只是个例子，实际情况要略复杂一点，可能要考虑参数是那个文件，伪静态什么的

[xiaoyu233]

@stcasshern 感觉正则来判断挺复杂，反正我是不太容易能够实现想要的效果……

[jadecoder]

不一定哦，比如 method=xxx 或者 action=xxx 也去重吗

[ipwx]

现阶段机器学习只针对统计意义上的 majority 起作用。你这去重需要 domain knowledge，而且是个案个例的。所以我的评价是，不能。

[redsonic]

@ipwx 请教一下，如果有 domain knowledge 那么有什么现成的方案或架子能够参考吗？

[wevsty]

只是去重的话 HASH 算法不就行了么？