基于深度自编码和决策树的恶意域名检测

• 作者: 常兆斌 王伟杰 赵宏
• 来源期刊: 微电子学与计算机
• 关键词: 恶意域名检测 深度自编码 决策树 域名统计特征 重构误差
• 年，卷（期）: 2020,（5）
• 页码范围: 13-17
• 页数: 5页
• 分类号: TP393
• 语种: 中文

摘要

针对目前恶意域名检测方法特征提取过程复杂和检测准确率不高的问题,提出一种基于深度自编码和决策树(Deep Auto Encoder and Decision Tree,DAE-DT)的恶意域名检测算法.该算法首先将每一域名按照域名词法组成与结构等属性进行特征映射,并进行正则化处理;然后将正则化处理后的无标签域名数据随机置0作为模型的输入,域名字符统计特征作为输出,构造深度自编码网络模型.并通过计算模型输出值与未处理数据之间的重构误差,实现各层参数与权值的优化,以增强模型的鲁棒性;最后依据提取的域名字符统计特征构造恶意域名判定的决策树.通过在Alexa和Malware domain list等标准数据集上进行测试.实验结果表明,该模型的检测准确率、精确率、假阴性率和假阳性率值分别为95.21％、94.17％、2.41 9和3.63％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵宏	兰州理工大学计算机与通信学院	39	132	7.0	10.0
2	常兆斌	兰州理工大学计算机与通信学院	3	4	1.0	2.0
3	王伟杰	兰州理工大学计算机与通信学院	2	2	1.0	1.0