Ce dépôt héberge un ensemble de données multimodal d'attaques web (MWAD) pour faire progresser la recherche sur la détection des menaces pilotée par l'IA.
Le jeu de données multimodal d'attaques web (MWAD) est un jeu de données de cybersécurité inédit et étiqueté, développé dans le cadre des recherches de l'auteur en cybersécurité à l'Université La Trobe, en Australie.
La méthodologie de génération, la conception et la description du jeu de données sont présentées dans l'article scientifique à comité de lecture :
Yeboah, P. N., et al. (2026). SQL injection detection using self-supervised pre-training and multimodal techniques. Intelligent Systems with Applications, 31, 200702.
https://doi.org/10.1016/j.iswa.2026.200702
Contrairement aux jeux de données d'attaques web traditionnels, qui ne contiennent généralement que des requêtes HTTP ou du trafic réseau, MWAD intègre les données de requêtes HTTP de la couche application avec les caractéristiques de flux réseau, offrant ainsi une représentation multimodale des attaques web.
MWAD est conçu pour soutenir le développement et l'évaluation de modèles d'intelligence artificielle (IA) et d'apprentissage automatique (ML) pour la détection d'attaques web, avec un accent particulier sur l'injection SQL (SQLi). En combinant des modalités de données complémentaires, le jeu de données permet aux chercheurs d'étudier des approches d'apprentissage multimodal qui améliorent la précision et la robustesse de la détection d'attaques web pilotée par l'IA.
Chaque échantillon MWAD combine deux modalités de données complémentaires :
Le jeu de données a été généré dans un environnement de réseau privé contrôlé, à l'aide d'un serveur web vulnérable hébergé sur une machine virtuelle Metasploitable.
Les attaques par injection SQL ont été exécutées à l'aide de SQLMap et de charges utiles (payloads) d'injection SQL. Le trafic résultant a été collecté et traité à l'aide des outils suivants :
Les données de requêtes HTTP et les caractéristiques de flux correspondantes ont ensuite été étiquetées et combinées pour produire le jeu de données multimodal final.
Figure 1. Pipeline de génération de MWAD illustrant l'exécution d'injections SQL, la collecte des requêtes HTTP, la capture de paquets, l'extraction des caractéristiques de flux et l'intégration des données multimodales.
| Classe | Nombre d'échantillons | Description |
|---|---|---|
| Bénin | 500 | Requêtes web légitimes et leurs caractéristiques de flux réseau correspondantes |
| Attaque par injection SQL | 500 | Requêtes d'injection SQL et leurs caractéristiques de flux réseau correspondantes |
| Total | 1 000 | Échantillons étiquetés de trafic web multimodal |
La modalité HTTP contient des informations au niveau des requêtes, générées lors des interactions avec l'application web vulnérable.
Cette modalité peut prendre en charge :
La modalité des flux réseau contient des caractéristiques statistiques et comportementales extraites du trafic capturé à l'aide de NFStream.
Cette modalité peut prendre en charge :
De nombreux jeux de données d'attaques web fournissent, séparément, soit des informations sur les requêtes de la couche application, soit des caractéristiques de trafic au niveau réseau.
MWAD a été développé pour fournir des représentations appariées de la couche application et des flux réseau des mêmes interactions web. Cela permet aux chercheurs d'examiner si la combinaison des deux modalités améliore la détection des injections SQL par rapport à l'utilisation d'une seule modalité de manière indépendante.
Le jeu de données constitue donc une ressource de recherche réutilisable pour étudier les stratégies d'apprentissage multimodal et de fusion de données dans la détection d'attaques web.
La méthodologie de génération, la conception et l'évaluation du jeu de données MWAD sont présentées dans la publication à comité de lecture suivante :
Intelligent Systems with Applications, Elsevier.
Si vous utilisez MWAD dans vos recherches, veuillez le citer :
@article{yeboah2026sql,
title={SQL injection detection using self-supervised pre-training and multimodal techniques},
author={Yeboah, Paul Ntim and Kayes, A. S. M. and Rahayu, Wenny and Pardede, Eric and Mahbub, Syed},
journal={Intelligent Systems with Applications},
volume={31},
pages={200702},
year={2026},
publisher={Elsevier},
doi={10.1016/j.iswa.2026.200702}
}