针对最近邻（NN）方法在异常结构化查询语句（SQL）检测应用中面临的存储开销大、检索速度慢的问题，提出了一种基于哈希学习的异常SQL检测（HMSD）方法。该算法利用哈希学习来学习查询SQL语句的二值编码表示。首先，对查询SQL语句进行清洗去重，从而将查询SQL语句表示为实值特征形式；然后利用等方差哈希方法来学习查询SQL语句的二值编码表示；最后，通过二值编码表示进行检索并提高异常SQL检测的速度。实验结果表明，在异常SQL检测数据集Wafamole上，将数据集进行随机划分，使训练集包含10 000条SQL语句，测试集包含30 000条SQL语句，在128比特长度下，与最近邻方法相比，所提算法的检测精度提高了1.3%，假正例率（FPR）降低了0.19%，假负例率（FNR）降低了2.41%，检索时间减少了94%，存储开销降低了97.5%；与支持向量机方法相比，所提算法的检测精度提高了0.17%，验证了所提算法能解决最近邻方法在异常SQL检测中存在的问题。