基于Transformer的DGA域名检测方法

• 作者: 张鑫 房一泉 程华
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 缩略域名 Transformer模型 自注意力机制 字符依赖性
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 411-417
• 页数: 7页
• 分类号: TP391
• 字数: 5447字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.03.005

摘要

已有DGA检测方法已经获得了较高的检测精度,但在缩略域名上存在误报率高的问题.主要原因是缩略域名字符间随机性高,现有检测方法从随机性角度很难有效地区分缩略域名和DGA域名.在分析了缩略域名的字符特性后,基于自注意力机制实现了域名字符依赖性的检测;并采用LSTM改进了Transformer模型的编码方式,以更好地捕获域名中字符位置信息;基于Transformer模型构建了DGA域名检测方法(MHA).实验结果表明,MHA可以有效地区分出DGA域名和缩略域名,得到了更高的精确率和更低的误报率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程华	华东理工大学信息科学与工程学院	44	148	7.0	11.0
2	房一泉	华东理工大学信息科学与工程学院	21	55	4.0	7.0
3	张鑫	华东理工大学信息科学与工程学院	5	60	3.0	5.0