通常情况下，传统网络安全工具仅适用于OSI低的层面进行工作，针对于应用层攻击而言并没有太大的安全可靠性。WEB应用防火墙属于使用者同web系统之间的攻击检测单元，其可以显著提升系统数据安全性特征。但是初始发展阶段的应用防火墙无法应对新型攻击方法与模式，基于该应用缺陷，本文搭建出一种基于卷积神经网络的检测方式以及基于支持向量机的检测方式，最后借助于实验方法来验证所提两种方法的正确性与有效性。

伴随着WEB应用的不断演变和完善，现阶段以WEB应用为对象的攻击层显著增多，传统防火墙已经无法有效满足当前WEB应用的安全性要求，所以国家层面以及企业层面针对WEB安全网关的需求量呈现提升趋势。本文则是基于WEB安全网关类型作为研究对象，运用分段式URL规则项冲突检测算法进行优化，由规则以及缓存优化作为出发点进行分析方案阐述，两种优化模式均可以有效提升WEB安全网关的性能标准。

当前互联网技术以及软硬件呈现出快速发展与完善的阶段，互联网和人们的日常生活、工作等也联结得更为紧密。与此同时，WEB攻击方式也在逐步演化，且从数量上看表现出显著增加的态势。应用防火墙属于保障可信内网安全性的基础手段，若应用防火墙的安全性能处于较低水平，则会引起内外网的数据交互阻断。基于此，怎样有效评定并完善应用防火墙的性能十分关键，本次研究针对URL规则匹配方式做了相应完善，同时对应用防火墙的性能评定做了科学建模分析，最后借助于实验来对文中所提方法的有效性做了评估，验证了改进型布隆过滤器算法与模型评定方法的正确性。