互联网技术在给我们提供巨大便利的同时,也让人们处在了网络安全隐患的“旋涡”中。其中,跨站脚本攻击（XSS）由于复杂多变、数量庞大以及危害严重,所以多次被OWASP列入十大Web安全漏洞名单,且威胁程度一直位居前列。现有的XSS检测技术仍然存在有待优化的地方:人工提取特征非常耗时且过度依赖领域知识;现有混淆技术与复杂的代码逻辑使得XSS攻击的辨识度下降;对未知攻击的捕获能力有待提高。针对以上问题,本文主要做了以下工作:提出了基于多头注意力机制的字符级别双向长短期记忆网络模型。该监督模型结构特点为:从文本时序性出发,通过双向长短期记忆网络来保证当前特征与先序文本相关联的同时,又与后续文本相关联;通过多头注意力机制,来从不同特征子空间获取更多方面的特点,从而更好地学习文本语义。经过实验证明,该模型对XSS检测效果较好,模型的F1分数可以达到98.71%。提出了一种基于自动编码器框架的无监督异常检测模型。该模型使用能够进行深度特征学习的自动编码器处理文本语义特征,从而达到特征去噪、重要特征凸显的效果,并且又结合分类器进行最终的判定,从而实现了在黑样本训练集稀少的情况下,还能判定出未知攻击的效果。经过实验证明,该模型对异常数据的检测效果较好,模型的精确率可以达到99.39%。设计了一个XSS混合检测系统。该系统将有监督分类检测模型与无监督异常检测模型的各自优点进行了结合,提高了系统对未知XSS攻击的检测能力。