基于混合分类算法模型的DNS隧道检测

• 作者: 单康康 郭晔 陈文智 鲁东明
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 混合分类算法模型 机器学习 DNS隧道 支持向量机 朴素贝叶斯 决策树
• 年，卷（期）: 2018,（z1）
• 所属期刊栏目: 网络空间安全
• 页码范围: 53-57
• 页数: 5页
• 分类号: TP309
• 字数: 2380字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2018170

摘要

分析了目前DNS隧道检测各种方法,重点研究基于机器学习技术的DNS隧道分类方法,针对目前DNS隧道检测只局限于特定隧道类别进行判别的不足,提出了采用多种分类算法进行组合分类决策的混合分类算法模型(CCAM)对DNS隧道进行检测与分类,CCAM算法采用了支持向量机(SVM)、朴素贝叶斯(NB)、决策树(DT)等3种机器学习分类算法进行混合分类、组合训练与加权求优.结果表明,混合分类算法模型(CCAM)对DNS隧道的检测能达到90％精度值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲁东明	浙江大学计算机科学与技术学院	100	1418	20.0	34.0
2	陈文智	浙江大学信息技术中心	38	271	10.0	15.0
3	单康康	浙江大学信息技术中心	21	79	4.0	8.0
4	郭晔	浙江大学信息技术中心	22	102	5.0	9.0