新的基于融合向量的DGA域名检测方法

作者：李晓冬; 李育强^*; 宋元凤; 侯孟书

来源：计算机应用研究, 2022, 39(06): 1834-1844.

DOI：10.19734/j.issn.1001-3695.2021.11.0596

• 僵尸网络
• 恶意域名
• 深度学习
• 卷积神经网络
• 双向门控循环单元

由于词典类DGA域名的字符分布随机性低、单词组合随机性高，基于传统机器学习的恶意域名检测方法难以识别，虽然利用LSTM等深度学习的检测方法能捕捉域名字符序列特征，但缺乏局部词根组合特征，检测准确率低。针对以上问题，提出一种基于融合嵌入层的DGA域名检测方法。在域名词嵌入阶段，基于分词技术进行字符和词根的融合嵌入向量表示，结合一维卷积神经网络(CNN)和双向门控循环单元(BiGRU)构建混合的深度学习模型，实现DGA域名检测。实验表明，该方法与单一采用CNN或LSTM模型相比，在域名二分类任务中的准确率分别提高3.1%和4.3%,针对词典类DGA家族matsnu、suppobox、ngioweb的检测具有更高的精确率。

• 单位
  电子科技大学