采用深度学习的DGA域名检测模型比较

摘要：

针对DGA域名难以检测的问题,构建了一种面向字符的采用深度学习的DGA域名检测模型,模型由字符嵌入层、特征检测层和分类预测层组成.字符嵌入层实现对输入DGA域名的数字编码;特征检测层采用深度学习模型自动提取特征;分类预测层采用全连接网络进行分类预测.为了选取最优的特征提取模型,分析比较了采用Bidi-rectional机制、Stack机制和Attention机制的LSTM模型与GRU模型,CNN模型,以及将CNN模型分别与LSTM模型和GRU模型相组合的模型.结果表明,与LSTM和GRU模型相比,采用Stack机制、前向Attention机制结合Bidirectional机制的LSTM和GRU模型,CNN模型,CNN模型与LSTM和GRU相组合的模型可提升模型的检测效果,但采用CNN和Bi-GRU组合构建的DGA域名检测模型可获得最优的检测效果.

关键词：网络空间安全、深度学习、动态域名生成算法、卷积神经网络、门控循环单元、长短期记忆网络

所属期刊栏目：46

分类号：TP393.08(计算技术、计算机技术)

资助基金：全军军事学研究生课题项目2014JY514

在线出版日期：2019-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：111-115