DGA恶意域名检测方法

作者：蒋鸿玲; 戴俊伟

来源：北京信息科技大学学报(自然科学版), 2019, 34(05): 45-50.

DOI：10.16508/j.cnki.11-5866/n.2019.05.009

• DGA
• 统计特征
• N-Gram
• 朴素贝叶斯
• 多层感知
• 极端梯度

针对目前DGA(domain generation algorithm)恶意域名检测方法计算量较大、检测精确率不高等问题,提出了DGA恶意域名检测框架。首先对域名的字符统计特征和N-Gram模型特征进行分析,提取出区分度大的域名特征组合;然后利用正常域名和DGA恶意域名数据集训练不同的机器学习模型,如朴素贝叶斯、多层感知器和XGBoost (extreme gradient boosting)模型,再用训练好的模型检测恶意域名。实验结果表明,采用域名的N-Gram模型特征的精确率和召回率都优于统计特征,多层感知器的精确率较高,误报率较低,其AUC(area under curve)值高于朴素贝叶斯和XGBoost模型。

• 单位
  北京信息科技大学