Повышение безопасности платформ виртуальной реальности: технология глубокого обучения для обнаружения атак с использованием SQL-инъекций

Платформы дополненной реальности (AR) всё чаще внедряются в образовательных и профессиональных контекстах. Однако использование таких систем подвергает образовательную учебную среду критическим уязвимостям, в частности атакам с внедрением SQL (SQLi), которые угрожают целостности данных и конфиденциальности пользователей. Традиционные меры безопасности часто не справляются с развивающимися шаблонами атак, оставляя конфиденциальные данные уязвимыми для эксплуатации и подрывая доверие к платформам. В связи с этим предлагается разработать инструмент на основе глубокого обучения для эффективной классификации атак SQLi в средах AR. Для идентификации вредоносных SQL-запросов в AR-платформах предложена модель одномерной свёрточной нейронной сети (1D-CNN). Модель обучалась и оценивалась на модифицированном наборе данных, содержащем как легитимные, так и вредоносные SQL-запросы. Внедрение инструмента детектирования SQLi представляет собой важный шаг в повышении безопасности AR за счёт проактивного выявления сложных атак, защиты данных пользователей и обеспечения надёжности платформ.