摘要(Abstract)
Web应用防护系统(也称为:网站应用级入侵防御系统。英文:Web Application Firewall,简称: WAF)。利用国际上公认的一种说法:Web应用防火墙是通过执行一系列针对HTTP/HTTPS的安全策略来专门为Web应用提供保护的一款产品。
中文名 Web应用防护系统 外文名 WAF 又 称 网站应用级入侵防御系统 功 能 专门为Web应用提供保护
目录
1 产生背景
2 应用功能
▪ 审计设备
▪ 访问控制设备
▪ 架构/网络设计工具
▪ WEB应用加固工具
3 特点
▪ 异常检测协议
▪ 增强的输入验证
▪ 及时补丁
▪ 基于规则的保护和基于异常的保护
▪ 状态管理
▪ 其他防护技术
4 编译系统
产生背景编辑
当WEB应用越来越为丰富的同时,WEB 服务器以其强大的计算能力、处理性能及蕴含的较高价值逐渐成为主要攻击目标。SQL注入、网页篡改、网页挂马等安全事件,频繁发生。2007年,国家计算机网络应急技术处理协调中心(简称CNCERT/CC)监测到中国大陆被篡改网站总数累积达61228个,比2006年增加了1.5倍。其中,中国大陆政府网站被篡改各月累计达4234个。
企业等用户一般采用防火墙作为安全保障体系的第一道防线。但是,在现实中,他们存在这样那样的问题,由此产生了WAF(Web应用防护系统)。Web应用防护系统(Web Application Firewall, 简称:WAF)代表了一类新兴的信息安全技术,用以解决诸如防火墙一类传统设备束手无策的Web应用安全问题。与传统防火墙不同,WAF工作在应用层,因此对Web应用防护具有先天的技术优势。基于对Web应用业务和逻辑的深刻理解,WAF对来自Web应用程序客户端的各类请求进行内容检测和验证,确保其安全性与合法性,对非法的请求予以实时阻断,从而对各类网站站点进行有效防护。
主题(Topic)
项目(Project)
estebansolo/python30
britzl/oneroom
sollywollyson/Edhesive-AP-Comp-Sci-Term-1
Tym17/RemoteRanch
LudumHub/LD37-Artisan
Jovvik/M3137year2019
Desulfo/PSD-to-HTML-3
nidup/ludumdare37
maxpostnikov/ludum-dare-37
markusfisch/RobotClash
free-creations/rachmaninow-vigil
NikolaiVChr/flightgear-saab-ja-37-viggen
Dorthu/ld37-one-room
asyzruffz/Ludum-Dare-37
brews/baysplinepy
JaniceZhao/Douban-Dushu-Dataset
DK22Pac/vice-37
cliwrap/alpine-37
Zeyad-37/UseCases
Zeyad-37/RxRedux
37Questions/web
test_main() File "cnn_test_auto.py", line 119, in test_main loss,acuracy = test(data_path,generate_test, model_path) File "cnn_test_auto.py", line 76, in test loss, accuracy = my_spatial_model.evaluate_generator(generate_test, steps=test_step) #98需要才能重新确定值的大小 File "D:\python 3.6.4\lib\site-packages\keras\legacy\interfaces.py", line 91, in wrapper return func(*args, **kwargs) File "D:\python 3.6.4\lib\site-packages\keras\engine\training.py", line 1472, in evaluate_generator verbose=verbose) File "D:\python 3.6.4\lib\site-packages\keras\engine\training_generator.py", line 346, in evaluate_generator outs = model.test_on_batch(x, y, sample_weight=sample_weight) File "D:\python 3.6.4\lib\site-packages\keras\engine\training.py", line 1256, in test_on_batch outputs = self.test_function(ins) File "D:\python 3.6.4\lib\site-packages\keras\backend\tensorflow_backend.py", line 2715, in __call__ return self._call(inputs) File "D:\python 3.6.4\lib\site-packages\keras\backend\tensorflow_backend.py", line 2675, in _call fetched = self._callable_fn(*array_vals) File "D:\python 3.6.4\lib\site-packages\tensorflow\python\client\session.py", line 1439, in __call__ run_metadata_ptr) File "D:\python 3.6.4\lib\site-packages\tensorflow\python\framework\errors_impl.py", line 528, in __exit__ c_api.TF_GetCode(self.status.status)) tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[128,64,1,1] and type float on /job :localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc [[{{node block2_sepconv1_1/separable_conv2d}}]] Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info. [[{{node metrics_33/acc/Mean_1}}]] Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info." class="topic-tag topic-tag-link">
out-of-GPU-memoery
laugengebaeck/BwInf-37-R2
T-N-L-37/live_streams
aasu14/Garden-Nerd-Flower-Recognition-Data-Science-Competition
griseouslight/NEET-Simulator-LD37
jo-37/ban-net
yifan-you-37/logistic_reg
jo-37/Jo-Util
krsh-37/PCA-Analysis
全部项目