Con el paso de los años, las vulnerabilidades de inyección han estado en la parte superior de la lista del Proyecto de Seguridad de Aplicaciones Web Abiertas Top 10 y son uno de los tipos de vulnerabilidades más dañinos y ampliamente explotados contra las aplicaciones web. La detección de ataques de inyección de SQL sigue siendo un problema desafiante debido a la heterogeneidad de las cargas de ataque, la diversidad de los métodos de ataque y la variedad de los patrones de ataque. Se ha demostrado que ningún modelo único puede garantizar una seguridad adecuada para proteger las aplicaciones web, y es crucial desarrollar un modelo eficiente y preciso para la detección de ataques de inyección de SQL. En este documento, proponemos synBERT, un modelo de detección basado en aprendizaje semántico que incorpora explícitamente la información semántica a nivel de oración de las declaraciones de SQL en un vector de incrustación. El modelo aprende representaciones que pueden ser mapeadas a las estructuras de árbol de sintaxis de SQL, como lo demuestra el trabajo de visualización. Recopilamos una amplia gama de conjuntos de datos para evaluar el rendimiento de clasificación de synBERT, y los resultados muestran que nuestro enfoque supera a los modelos propuestos anteriormente. Incluso en modelos nuevos y no entrenados, la precisión puede alcanzar el 90% o más, lo que indica que el modelo tiene un buen rendimiento de generalización.