چکیده: با توسعه شبکه‌های وب، گونه‌های مختلف حملات، به‌منظور سوءاستفاده به وجود آمده‌اند. تعدادی از حملات شناخته شده هستند. اما بسیاری از حملات، جدید بوده و نوظهور. شناسایی این دسته از حملات دشوار است. WAFها ابزار‌ی برای شناسایی حملات شناخته شده، هستند. WAFها در برابر حملات شناخته شده بسیار قوی عمل می‌کنند، درحالی‌که برای شناسایی حملات نوظهور، عملکرد آن‌ها افت می‌کند. یکی از راه‌های شناسایی حملات نوظهور، استفاده از شبکه‌های عمیق است. سیستم‌هایی بر پایه تشخیص ناهنجاری و یادگیری عمیق نیز طراحی شده‌اند که اقدام به شناسایی این‌گونه حملات می‌کنند. این روش‌ها به دو دسته با ناظر و بدون ناظر طبقه‌بندی می‌شوند. روش‌های با ناظر، با مشاهده حملات برچسب‌گذاری شده اقدام به شناسایی حملات می‌کنند. از این رو، این روش‌ها در برابر حملات نوظهور، عملکرد ضعیفی دارند. از طرفی روش‌های بدون ناظر نیز وجود دارد. این روش‌ها در برابر حملات نوظهور، بهتر از روش‌های با ناظر عمل می‌کنند. یکی از مشکلات این روش‌ها وابستگی مدل به لغت‌نامه است. وجود این لغت‌نامه‌ها محدودیت‌هایی را به وجود می‌آورد. در این پایان‌نامه روشی بدون ناظر، ارائه شده که مسئله وابستگی به لغت‌نامه را مرتفع نموده است. در این پایان‌نامه یک سیستم بر پایه دسته‌بند SVDD ارائه شده است و روشی برای تجزیه درخواست توسط درخت اشتقاق مطرح شده که شبکه را از لغت‌نامه بی‌نیاز می‌کند. راهکار پیشنهادی در این پایان‌نامه توانسته به f1_score = 0.76 برسد. میزان نرخ مثبت کاذب این روش کمتر از 0.03 است که در مقایسه با روش پیشین بهبود 0.09 واحدی داشته است.