隐马尔可夫模型在恶意域名检测中的应用

摘要：

提出一种基于隐马尔可夫模型(HMM)的恶意域名检测方法.分析善恶域名在DNS通信中的各类特征,利用Spark大数据处理平台的高效计算能力对属性特征进行统计,在此基础上,通过HMM中的Baum-Welch算法和Viterbi算法对恶意域名进行准确分类.实验结果表明,与随机森林模型相比,HMM对恶意域名分类的准确率与召回率均较高.

关键词：恶意域名、隐马尔可夫模型、Baum-Welch算法、Viterbi算法、Spark大数据处理平台

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：北京市博士后工作经费项目2017-22-030;CCF-启明星辰“鸿雁”科研计划CCF-VenustechRP2017008

在线出版日期：2019-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：161-168