Web网站的普遍使用,在带来便利的同时,针对Web服务器发起的攻击及由此带来的破坏也逐渐增多,使信息面临着安全威胁。Web安全成为信息安全领域的重点研究方向。而仅依靠防火墙技术已经很难保证Web服务器安全,因此Web攻击检测模型的研究愈发重要。传统的Web攻击检测模型不仅需要消耗大量资源,而且针对变形的Web攻击检测局限性大,实时性差并且误检率高。针对这个问题,本文分析和总结了目前主要的Web攻击方式,以及当前的Web攻击检测技术。针对现有Web攻击检测技术的缺陷,提出了基于SVM和朴素贝叶斯相结合的Web攻击检测模型。通过对网络流量的解析,得到HTTP请求数据,从中总结分析得到Web攻击特征词,并以此来建立特征向量。通过学习得到二分SVM分类器模型,用来做攻击请求和正常请求的分类。使用攻击请求数据学习建立朴素贝叶斯模型,对SVM分类器得到的攻击请求做进一步的分类。最后设计了一个Web攻击检测系统,通过把流向Web服务器的流量镜像到检测服务器,使用解析和分析程序对流量进行攻击检测。本文详细阐述了此模型的各个模块的详细流程,数据库实体关系,界面设计等。最终实现了 Web网站攻击检测模型,并通过搭建了实验环境,对系统的各个模块功能进行了测试。经过收集数据进行验证比对,本系统能有效检测Web攻击,对Web网站提供了一定的安全保障。