基于AN和LSTM的恶意域名检测

• 作者: 丁红卫 万良 周康
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 恶意域名检测 长短时记忆神经网络 word2vec Attention机制
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 92-98
• 页数: 7页
• 分类号: TP393
• 字数: 6062字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1811-0056

摘要

目前,恶意域名被广泛应用于远控木马、钓鱼欺诈等网络攻击中,传统恶意域名检测方法存在长距离依赖性问题,容易忽略上下文信息并且数据维度过大,无法高效、准确地检测恶意域名.提出了一种自编码网络(Auto-encoder Network,AN)降维和长短期记忆神经网络(Long Short-Term Memory network,LSTM)检测恶意域名的深度学习方法.利用实现包含语义的词向量表示,解决了传统方法导致的数据表示稀疏及维度灾难问题.由word2vec构建词向量作为LSTM的输入,利用Attention机制对LSTM输入与输出之间的相关性进行重要度排序,获取文本整体特征,最后将局部特征与整体特征进行特征融合,使用softmax分类器输出分类结果.实验结果表明,该方法在恶意域名检测上具有较好的表现,比传统检测恶意域名方法具有更高的检测率和实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万良	贵州大学计算机科学与技术学院	37	125	6.0	8.0
5	丁红卫	贵州大学计算机科学与技术学院	9	24	4.0	4.0
9	周康	贵州大学计算机科学与技术学院	6	2	1.0	1.0