在对DGA(Domain Generate Algorithm)域名僵尸主机的检测中,传统的DGA域名检测方法具有误报率较高、预测准确性较低的不足.为了改善该问题,本文提出一种基于深度学习神经网络的方法来检测伪随机域名,它结合了信息熵和长短期记忆神经网络...在对DGA(Domain Generate Algorithm)域名僵尸主机的检测中,传统的DGA域名检测方法具有误报率较高、预测准确性较低的不足.为了改善该问题,本文提出一种基于深度学习神经网络的方法来检测伪随机域名,它结合了信息熵和长短期记忆神经网络(Long Short Term Memory, LSTM).该方法先通过基于信息熵的检测,对域名是否合法进行初步检测,然后通过基于优化的LSTM网络模型对非法的域名进行第二次检测.本文基于长短期记忆神经网络模型,分析了在不同优化函数、超参数、网络结构和阈值衰减联合下检测效果的差异,并从中选择最优组合.实验结果表明,该方法在降低检测耗时的同时,能够获得较高的准确率和较低的误报率,整体检测效果得到了显著提升.展开更多
文摘在对DGA(Domain Generate Algorithm)域名僵尸主机的检测中,传统的DGA域名检测方法具有误报率较高、预测准确性较低的不足.为了改善该问题,本文提出一种基于深度学习神经网络的方法来检测伪随机域名,它结合了信息熵和长短期记忆神经网络(Long Short Term Memory, LSTM).该方法先通过基于信息熵的检测,对域名是否合法进行初步检测,然后通过基于优化的LSTM网络模型对非法的域名进行第二次检测.本文基于长短期记忆神经网络模型,分析了在不同优化函数、超参数、网络结构和阈值衰减联合下检测效果的差异,并从中选择最优组合.实验结果表明,该方法在降低检测耗时的同时,能够获得较高的准确率和较低的误报率,整体检测效果得到了显著提升.