计算机应用研究

作者：李晓冬,李育强,宋元凤,侯孟书,

单位：电子科技大学a.信息中心;b.计算机科学与工程学院,成都611731；

关键词：僵尸网络,恶意域名,深度学习,卷积神经网络,双向门控循环单元,

由于词典类DGA域名的字符分布随机性低、单词组合随机性高，基于传统机器学习的恶意域名检测方法难以识别，虽然利用LSTM等深度学习的检测方法能捕捉域名字符序列特征，但缺乏局部词根组合特征，检测准确率低。针对以上问题，提出一种基于融合嵌入层的DGA域名检测方法。在域名词嵌入阶段，基于分词技术进行字符和词根的融合嵌入向量表示，结合一维卷积神经网络（CNN）和双向门控循环单元（BiGRU）构建混合的深度学习模型，实现DGA域名检测。实验表明，该方法与单一采用CNN或LSTM模型相比，在域名二分类任务中的准确率分别提高3.1%和4.3%，针对词典类DGA家族matsnu、suppobox、ngioweb的检测具有更高的精确率。

来源：2022年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第6期