基于深度学习的恶意DGA域名检测

• 作者: 王志强 李舒豪 池亚平 张健毅
• 来源期刊: 计算机工程与设计
• 关键词: 网络安全 域名产生算法 恶意域名检测 深度学习 动态卷积神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 信息安全技术|Information Security Technology
• 页码范围: 601-606
• 页数: 6页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2021.03.001

摘要

针对域名产生算法生成的恶意域名,提出基于动态卷积算法的检测方法.基于现有的深度学习检测模型,在检测模型的向量嵌入阶段采用基于字符嵌入的高级词嵌入方法,能够对生僻词语和训练集中不存在的新词进行有效表示,减小嵌入矩阵的规模,降低存储成本.设计动态卷积算法对恶意域名进行检测,动态调整网络参数,有利于在更大范围内提取深层的特征,压缩数据大小,提高运算的速度,能够更有效识别恶意域名.实现了整体检测模型,通过实验验证了该方案的可行性.