基于正常域名及其可信度的DGA检测方法

• 作者: 卫清才 宋礼鹏
• 来源期刊: 中北大学学报（自然科学版）
• 关键词: 僵尸网络 域名生成算法 正样本可信度 深度学习 长短期记忆网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 自动化与计算机
• 页码范围: 311-317
• 页数: 7页
• 分类号: TP309
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3193.2021.04.004

摘要

现有DGA域名分类模型仅注重检测已知的DGA域名家族,对新型DGA域名家族识别效果差.为了解决该问题,本文提出了一种基于正常域名及其可信度的DGA域名检测模型ProfDGA.该模型通过评估每个正常域名的可信度且将评分引入损失函数,使得模型训练只利用正常域名及其可信度.通过本文方法得到的模型具备更强的泛化性和检测新型DGA家族的能力.经过实验验证,虽然ProfDGA模型对已知DGA家族检测精确率降低了 9％,但对未知DGA家族的检测精确率较现有模型提升了 30％,查全率提升了54.2％,能有效发现新型DGA域名家族.