一种改进的卷积神经网络恶意域名检测算法

• 作者: 刘伟伟 刘光杰 戴跃伟 杨路辉 白惠文 翟江涛
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 域名生成算法 深度学习 信息安全
• 年，卷（期）: 2020,（1）
• 页码范围: 37-43
• 页数: 7页
• 分类号: TP309
• 字数: 4984字
• 语种: 中文
• DOI: 10.19665/j.issn1001-2400.2020.01.006

摘要

针对现有检测方法对算法生成的恶意域名检测效率不高,尤其对几种难检测的恶意域名类型检测率低的问题,提出了一种改进的基于卷积神经网络的恶意域名检测算法.该算法在现有的卷积神经网络模型的基础上,增加了提取更深层字符级特征的卷积分支,从而同时提取恶意域名的浅层和深层字符级特征并融合;引入一种聚焦损失函数以解决样本难易程度和数量的双重不平衡导致检测率低的问题,可提高对难样本的检测准确率.改进后的算法对20种恶意域名的平均检测准确率为97.62％,与原算法相比提高了0.94％;对4种较难检测域名的检测准确率分别提高了3.71％、4.6％、11.18％ 和17.8％.实验结果表明,改进的算法能够提高对恶意域名的检测准确率,尤其能够显著提升对部分难检测域名的检测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴跃伟	南京理工大学自动化学院	109	931	17.0	24.0
3	刘光杰	南京理工大学自动化学院	59	357	11.0	15.0
7	杨路辉	南京理工大学自动化学院	2	0	0.0	0.0
8	刘伟伟	南京理工大学自动化学院	9	10	2.0	2.0
11	翟江涛	南京信息工程大学电子与信息工程学院	2	0	0.0	0.0
12	白惠文	南京理工大学自动化学院	1	0	0.0	0.0