-
题名采用深度学习的DGA域名检测模型比较
被引量：17
- 1
-
-
作者
裴兰珍
赵英俊
王哲
罗赟骞
-
机构
空军工程大学防空反导学院
中国人民解放军
-
出处
《计算机科学》
CSCD
北大核心
2019年第5期111-115,共5页
-
基金
全军军事学研究生课题项目(2014JY514)资助
-
文摘
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Bidirectional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
-
Keywords
Cyberspace security
Deep learning
Danamic domain generation algorithms
Convolutional neural network
Gatedrecurrent unit
Long short-term memory
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
