TÉCNICAS DE DETECÇÃO E PREVENÇÃO DE ATAQUES WEB: UMA ABORDAGEM COM SQL INJECTION (SQLi) E CROSS-SITE SCRIPTING (XSS)

Resumo

O estudo tem como objetivo aprimorar os sistemas de defesa de websites por meio de métodos de aprendizado de máquina não supervisionado para detectar ataques do tipo SQL Injection (SQLi) e Cross-Site Scripting (XSS). Utilizando Python e bibliotecas de inteligência artificial, desenvolveu-se um modelo de autoencoder treinado para identificar padrões anômalos em tráfego web. Foram aplicados datasets de domínio público para treinamento e validação. Os resultados indicaram que o modelo foi eficiente na detecção de SQL Injection, com alta taxa de recall e baixo índice de falsos negativos, embora tenha apresentado elevado número de falsos positivos na detecção de XSS. Conclui-se que a abordagem proposta é promissora, mas necessita de otimizações adicionais para ser aplicada em ambientes de produção.