Hoy en día, una de las amenazas más peligrosas y comunes para las bases de datos y las aplicaciones web, son los ataques de inyección SQL.
Esto implica generalmente modificaciones maliciosas de la entrada SQL del usuario tanto añadiendo cláusulas adicionales, como cambiando la estructura de una cláusula existente. La inyección SQL permite a los atacantes acceder, modificar o borrar información crítica en una base de datos sin necesidad de autorización. Pese a ser un ataque bien conocido, la inyección SQL continúa en cabeza de las listas sobre amenazas a la seguridad. Las soluciones propuestas hasta el momento, parecen insuficientes para prevenir y bloquear este tipo de ataque porque carecen habilidades de aprendizaje y adaptación para tratar tanto con ataques nuevos como con nuevas o futuras variaciones de los ataques. Además, la amplia mayoría de estas soluciones están basadas en mecanismos centralizados, con escasa capacidad para funcionar en entornos distribuidos y dinámicos.
El sistema desarrollado se basa en una estrategia jerárquica y distribuida, donde las funcionalidades quedan estructuradas en capas. Los ataques de inyección SQL son uno de los ataques más peligrosos a bases de datos en línea. Los agentes presentes en cada una de las capas están especializados en tareas específicas, tales como la recolección de datos, la clasificación de datos y la visualización. Este trabajo presenta dos agentes clave dentro de una arquitectura híbrida: un agente clasificador, que incorpora un motor de razonamiento basado en casos (CBR) que emplea algoritmos avanzados en fases de ciclos de razonamiento y un agente visualizador que integra varias técnicas para facilitar el análisis visual de peticiones sospechosas. El primer tipo incorpora un nuevo modelo de clasificación basado en una mezcla de red neuronal y máquinas de vectores de soporte, con el fin de clasificar las peticiones SQL de manera fiable. El último combina técnicas de clustering con proyecciones neuronales para permitir el análisis visual y la identificación de ataques objetivo.
PROYECTOS ASOCIADOS
NACIONALES
SQLCBR: Herramienta dotada con Inteligencia Artificial para la detección y prevención de ataques de inyección SQL.
Referencia: TSI-020100-2008-31.
PUBLICACIONES
idMAS-SQL: Intrusion Detection Based on MAS to Detect and Block SQL injection through data mining.
Autores:
Cristian I. Pinzón, Juan F. De Paz, Álvaro Herrero, Emilio Corchado, Javier Bajo and Juan M. Corchado
Revista:
Information Sciences. Volumen 231, pp. 15-31. Elsevier BV.
