声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：杜鹏,丁世飞,
关键词：域名生成算法, 混合词向量, 深度学习, 卷积神经网络, 长短期记忆网络,
域名生成算法(domaingenerationalgorithm,DGA)是域名检测中防范僵尸网络攻击的重要手段之一，对于生成威胁情报、阻断僵尸网络命令与控制流量、保障网络安全有重要的实际意义.近年来，DGA域名检测技术从依靠手工提取特征发展到自动提取特征的基于深度学习模型的方法，在DGA域名检测任务中取得了较大的进展.但对于不同僵尸网络家族的DGA域名的多分类任务，由于家族种类多，且各家族域名数据存在不平衡性，因此许多已有的深度学习模型在DGA域名的多分类任务上仍有提高空间.针对以上挑战，设计了基于字符和双字母组级别的混合词向量，以提高域名字符串的信息利用度，并设计了基于混合词向量方法的深度学习模型.最后设计了包含多种对比模型的实验，对混合词向量的有效性进行验证.实验结果表明基于混合词向量的深度学习模型在DGA域名检测与分类任务中相比只基于字符级词向量的模型有更好的分类性能，特别是在小样本的DGA域名类别上的分类性能更优，证明了该模型的有效性.
来源：2020年第2期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。