一种基于深度学习的快速DGA域名分类算法

刘洋¹,赵科军^1,2*,葛连升¹,刘恒³

1.山东大学信息化工作办公室, 山东 济南 250100;2.山东大学计算机科学与技术学院, 山东 青岛 266237;3.中电长城网际系统应用有限公司, 北京 102209

发布日期:2019-06-27

作者简介:刘洋(1976— ),女,硕士,工程师,研究方向为数据管理和网络安全. E-mail:yang@sdu.edu.cn*通信作者简介:赵科军(1981— ),男,博士研究生,工程师,研究方向为网络安全和机器学习. E-mail:zhaokejun@sdu.edu.cn
基金资助:十三五国家重点研发计划(2017YFB0803004);赛尔网络下一代互联网技术创新项目(NGII20150412)

A fast DGA domain detection algorithm based on deep learning

LIU Yang¹, ZHAO Ke-jun^1,2*, GE Lian-sheng¹, LIU Heng³

1. Informatization Office, Shandong University, Jinan 250100, Shandong, China;
2. School of Computer Science and Technology, Jinan 266237, Shandong, China;
3. Zhongdian Great Wall Internetworking System Application Co., Ltd, Beijing 102209, China

Published:2019-06-27

摘要/Abstract

摘要： 提出了一种基于深度学习的CNN-LSTM-Concat快速DGA域名分类算法,使用多层一维卷积网络对域名字符进行序列化处理,LSTM网络层用于强化获取字符间长距离依赖关系。通过将LSTM的多序列输入转化为单向量输入,在保证检测性能的前提下,能够大幅提高训练和检测速度。实验证明,我们的方法对DGA域名分类的准率在公开数据集上达到98.32%。同时,在准确率相比主流的LSTM方法更高的情况下,检测时间比LSTM方法快6.41倍。


PDF全文下载地址:

http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3119