大规模网络中基于集成学习的恶意域名检测

• 作者: 强小辉 王林汝 蔡冰 马旸
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 恶意域名检测 集成学习 随机森林算法 组合分类器 大数据 并行化
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: ?安全技术?
• 页码范围: 170-176
• 页数: 7页
• 分类号: TP309
• 字数: 7544字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.11.028

摘要

现有的恶意域名检测方案在处理大规模数据和多种类型的恶意域名时存在不足。为此，根据时间性、相关域名集合和对应 IP三方面特征提出新的检测方案。使用并行化随机森林算法建立组合的域名检测分类器，以提高检测精确度及容错能力。实验结果表明，组合分类器的精确度和准确率均高于决策树分类器，新方案能够更有效地检测大规模网络中的恶意域名。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡冰	国家计算机网络应急技术处理协调中心江苏分中心	9	16	3.0	3.0
2	马旸	国家计算机网络应急技术处理协调中心江苏分中心	4	14	3.0	3.0
3	强小辉	国家计算机网络应急技术处理协调中心江苏分中心	1	4	1.0	1.0
4	王林汝	国家计算机网络应急技术处理协调中心江苏分中心	3	9	2.0	3.0