基于CharRNN改进模型的恶意域名训练数据生成技术

文档名：基于CharRNN改进模型的恶意域名训练数据生成技术
近年来,新型僵尸网络开始使用域名生成算法(DGA)和命令与控制(C&C)服务器通信.针对基于深度学习的检测模型缺少对新出现的DGA变体域名的识别能力等问题,结合文本生成的思想,文章对原始Char-RNN模型进行改进,使用长短期记忆网络(LSTM)构建模型并引入注意力机制,从而生成用于模拟未知变体算法的恶意域名.实验证明,基于该方法生成的域名数据与真实数据在字符组成结构和频率方面具有高度相似性,且以生成数据作为训练集的检测模型保持了较好的性能,验证了基于文本生成模型的数据有效性以及将其作为训练数据集来预测未知DGA变体的可行性.
作者：吴警芦天亮杜彦辉
作者单位：中国人民公安大学信息网络安全学院,北京100038
母体文献：第35次全国计算机安全学术交流会论文集
会议名称：第35次全国计算机安全学术交流会  
会议时间：2020年10月16日
会议地点：南宁
主办单位：中国计算机学会
语种：chi
分类号：
关键词：恶意域名  训练数据生成  长短期记忆网络  注意力机制  模拟未知变体算法
在线出版日期：2022年1月20日
基金项目：
相似文献
相关博文

2024-12-10 13:35 上传 基于CharRNN改进模型的恶意域名训练数据生成技术.pdf

文件大小:

1.26 MB

下载次数:

60

高速下载