このリポジトリは、AI駆動の脅威検出研究を進めるためのマルチモーダルウェブ攻撃データセット（MWAD）をホストしています。
マルチモーダルWeb攻撃データセット（MWAD） は、オーストラリアのラ・トローブ大学における著者のサイバーセキュリティ研究の一環として開発された、新しいラベル付きサイバーセキュリティデータセットです。
データセットの生成方法論、設計、および説明は、査読付きジャーナル記事で紹介されています。
Yeboah, P. N., et al. (2026). 自己教師あり事前学習とマルチモーダル技術を用いたSQLインジェクション検出. Intelligent Systems with Applications, 31, 200702.
https://doi.org/10.1016/j.iswa.2026.200702
従来のWeb攻撃データセットは通常 HTTPリクエスト または ネットワークトラフィック のみを含むのに対し、MWADは アプリケーション層のHTTPリクエストデータ と ネットワークフロー特徴 を統合し、Web攻撃のマルチモーダル表現を提供します。
MWADは、Web攻撃検出のための 人工知能（AI） および 機械学習（ML） モデルの開発と評価を支援するように設計されており、特に SQLインジェクション（SQLi） に焦点を当てています。相補的なデータモダリティを組み合わせることで、このデータセットにより研究者は、AI駆動のWeb攻撃検出の精度とロバスト性を向上させるマルチモーダル学習アプローチを調査できます。
各MWADサンプルは、2つの相補的なデータモダリティを組み合わせています。
データセットは、Metasploitable仮想マシン上にホストされた脆弱なWebサーバを使用して、制御されたプライベートネットワーク環境で生成されました。
SQLインジェクション攻撃は SQLMap およびSQLインジェクションペイロードを使用して実行されました。結果のトラフィックは以下のツールを使用して収集および処理されました。
HTTPリクエストデータと対応するフローレベルの特徴は、その後ラベル付けされ、組み合わされて最終的なマルチモーダルデータセットが生成されました。
図1. MWAD生成パイプライン：SQLインジェクション実行、HTTPリクエスト収集、パケットキャプチャ、フロー特徴抽出、マルチモーダルデータ統合を示しています。
| クラス | サンプル数 | 説明 |
|---|---|---|
| 良性 | 500 | 正当なWebリクエストとその対応するネットワークフロー特徴 |
| SQLインジェクション攻撃 | 500 | SQLインジェクションリクエストとその対応するネットワークフロー特徴 |
| 合計 | 1,000 | ラベル付きマルチモーダルWebトラフィックサンプル |
HTTPモダリティには、脆弱なWebアプリケーションとの対話中に生成されたリクエストレベルの情報が含まれています。
このモダリティは以下をサポートできます。
ネットワークフローモダリティには、NFStreamを使用してキャプチャされたトラフィックから抽出された統計的および行動的特徴が含まれています。
このモダリティは以下をサポートできます。
多くのWeb攻撃データセットは、アプリケーション層のリクエスト情報またはネットワークレベルのトラフィック特徴のいずれかを個別に提供しています。
MWADは、同じWebインタラクションの対になったアプリケーション層とネットワークフローの表現を提供するために開発されました。これにより、研究者は2つのモダリティを組み合わせることで、いずれかのモダリティに単独で依存する場合と比較してSQLインジェクション検出が改善されるかどうかを検討できます。
したがって、このデータセットは、Web攻撃検出におけるマルチモーダル学習とデータ融合戦略を調査するための再利用可能な研究リソースを提供します。
MWADデータセットの生成方法論、設計、評価は、以下の査読付き出版物で紹介されています。
Intelligent Systems with Applications, Elsevier.
MWADを研究で使用する場合は、以下を引用してください。
@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}
}