Fast-flucos:基于DNS流量的Fast-flux恶意域名检测方法

• 作者: 张永铮 张玉 韩春雨
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: Fast-flux 域名系统 域名检测 机器学习 深度学习
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 37-47
• 页数: 11页
• 分类号: TP393
• 字数: 7855字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2020094

摘要

现有的Fast-flux域名检测方法在稳定性、针对性和流量普适性方面存在一些不足,为此提出一种基于DNS流量的检测方法Fast-flucos.首先,采用流量异常过滤和关联匹配算法,以提高检测的稳定性;然后,引入量化的地理广度、国家向量表和时间向量表特征,以加强对Fast-flux域名检测的针对性;最后,采用更合理的正负样本和包括深度学习在内的多种机器学习方法确定最佳分类器和最优特征组合,以尽量确保对真实DNS流量的普适性.基于真实DNS流量的实验表明,Fast-flucos的召回率、精确率和ROC_AUC分别达到了0.9986、0.9767和0.9929,均优于当前主流的EXPOSURE、GRADE和AAGD等检测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玉	南开大学计算机学院	12	148	6.0	12.0
2	张永铮	中国科学院信息工程研究所	35	751	12.0	27.0
6	韩春雨	南开大学计算机学院	1	0	0.0	0.0