Ensemble de machine learning com DistilBERT detecta SQL injection em tempo real e resiste a ataques adversariais
Um segundo grupo de pesquisadores propõe um ensemble empilhado (regressão logística, XGBoost e SVM sobre embeddings DistilBERT) para detecção de SQL injection, endurecido com exemplos adversariais gerados por FGSM e otimizado via Optuna. O destaque é a velocidade: o ensemble classifica todo o conjunto de teste cerca de 140 vezes mais rápido que um DistilBERT-SVM isolado, mantendo acurácia acima de 99% mesmo sob ataque adversarial.
Publicado pelo mesmo grupo de autores (Musoke, Badii e Ashlam) em companhia ao artigo BERT-GNN, este segundo trabalho parte de uma revisão sistemática da literatura sobre detecção de SQLi para identificar lacunas de pesquisa e propor um pipeline distinto: embeddings do DistilBERT alimentando três classificadores (regressão logística, XGBoost e SVM) cujas saídas são combinadas por um meta-aprendiz neural em um ensemble empilhado (stacked ensemble).
O diferencial técnico está em dois pontos. Primeiro, robustez: o ensemble foi "endurecido" com exemplos adversariais gerados pelo Fast Gradient Sign Method (FGSM), mantendo 99,77% de acurácia mesmo sob esse tipo de ataque de perturbação de passo único. Segundo, desempenho: o ensemble completo classifica todo o conjunto de teste em 0,0136 segundo, contra 1,896 segundo do modelo DistilBERT-SVM isolado — uma redução de latência de cerca de 140 vezes — com acurácia final de 99,81%, próxima à do melhor modelo individual (99,82%).
O ponto central que os autores reivindicam não é apenas a acurácia (já alta em trabalhos anteriores), mas viabilizar detecção de SQLi em tempo real com robustez adversarial comprovada, dois requisitos que normalmente entram em tensão em sistemas de produção: modelos mais robustos tendem a ser mais lentos. Para times que operam WAFs em alto volume de tráfego, esse resultado aponta um caminho para substituir ou complementar regras estáticas por classificadores de ML sem introduzir gargalo de latência perceptível.