随着互联网技术水平的提高,互联网极大的改善了人类的日常生活,人们对其依赖也不断地增加,与此同时互联网中的安全事件也不断地涌现出来。其中,跨站脚本漏洞是近几年来对互联网中Web应用造成影响最大的漏洞之一;并且对于该漏洞的相关研究一直以来也十分吸引安全领域研究者们的关注。本文对跨站脚本漏洞的原理进行了分析,在总结国内外研究的基础上,对跨站脚本漏洞的攻击检测方法进行了研究,提出了两种检测方法。针对基于传统规则以及动态测试的检测方法在检测未知的以及变形XSS攻击脚本效率低下等问题,本文提出一种基于单分类支持向量机的攻击检测模型。首先通过对攻击样本的规范化处理,得到足够丰富的攻击样本;然后利用基于n-gram的TF-DIF方法进行分词,得到样本的特征向量,最后基于单分类支持向量机进行模型的训练,通过参数设置获得最优的单分类检测模型。基于单分类支持向量机的检测模型相对于基于SVM模型在召回率的提升上效果并不是很明显,因此本文提出一种基于双向长短期记忆模型的跨站脚本攻击检测模型ABLSTM解决此文本分类问题。在研究双向LSTM的基础上,通过引用注意力机制对Bi-LSTM模型进行改进,使模型增加对与XSS相关性高的特征的关注,从而优化模型,不仅提高了模型检测的准确率,而且在召回率方面也有明显的提升。