随着互联网行业的不断发展,网站和人们的生活的联系日益紧密,由此带来的是网站的安全变得越来越重要。由中国国家互联网站中心发布的《2017年中国互联网网络安全报告》指出,2017年度内29236个网站被植入Webshell后门,其中政府网站有1339个。所以对Webshell攻击检测的研究很有意义,也很必要。本文首先介绍了Webshell的基本概念以及一些传统Webshell检测方法,分析这些方法的优点和缺点,明确了在Webshell攻击方式日益多样化的背景下,需要采用新的方法来实现对Webshell的检测。论文研究发现相关领域的学者已经在Webshell检测中应用了较新的机器学习和深度学习相关算法,他们的模型在性能上比传统方法已有较大的进步,但仍然存在可以提升的空间。本文之后介绍了文本预处理的方法。将采集到的网页文本文件样本进行预编译处理,得到中间操作码,然后使用词向量转换算法将代码序列转换为纯数字的特征向量,得到检测算法模型的输入集。本文对输入集数据采用构建的多层神经网络模型进行实验验证,并且采用多种其他的机器学习相关算法进行验证,评估不同算法的性能差异,比较之后找到效果最佳的检测模型算法,并实现Webshell检测系统的开发。