MCL4DGA:基于多视角对比学习的DGA域名检测方法

作者：王继虎; 刘子雁; 倪金超; 孔凡玉; 史玉良^*

来源：软件学报, 2023, 1-21.

DOI：10.13328/j.cnki.jos.007003

• 网络安全
• DGA域名检测
• 深度神经网络
• 对比学习

在网络安全领域,由域名生成算法(domain generation algorithm, DGA)产生的虚假域名被称为DGA域名.与正常域名类似的是, DGA域名通常是字母或数字的随机组合,这使得DGA域名具有较强的伪装性.网络黑客利用DGA域名的伪装性实施网络攻击,以达到绕过安全检测的目的.如何有效地对DGA域名进行检测,进而维护信息系统安全,成为当前的研究热点.传统的统计机器学习检测方法需要人工构建域名字符特征集合.然而,人工或者半自动化方式构建的域名特征存在质量参差不齐的情况,进而影响检测的准确性.鉴于深度神经网络强大的特征自动化抽取和表示能力,提出一种基于多视角对比学习的DGA域名检测方法 (MCL4DGA).与现有方法不同的是,所提方法结合了注意力神经网络、卷积神经网络和循环神经网络,能够有效地捕获域名字符序列中的全局、局部和双向多视角特征依赖关系.除此之外,通过多视角表示向量之间的对比学习而产生的自监督信号,能够增强模型的学习能力,进而提高检测的准确性.通过在真实数据集上与当前DGA域名检测方法实验对比验证了所提方法的有效性.

• 单位
  山大地纬软件股份有限公司; 山东大学; 国网山东省电力公司