基于注意力特征融合网络的DGA恶意域名检测方法
网络安全与数据治理
郝旭光
山西省政务和公益域名注册管理中心,山西太原030024
摘要： 僵尸网络借助DGA生成大量随机域名逃避安全防御系统监测。为解决已有DGA恶意域名检测方法准确性不高和泛化能力受限等问题，提出基于注意力特征融合网络。通过结合输入层、Embedding层、卷积神经网络层、注意力模块和长短时记忆网络层，实现层次化特征提取使模型性能得到极大的改善。实验结果显示，该方法在各项指标上都有明显的提升，表现出优秀的DGA恶意域名检测能力。
中圖分類號(hào)：TP393 4文獻(xiàn)標(biāo)識(shí)碼：ADOI:10.19358/j.issn.2097-1788.2024.01.003
引用格式：郝旭光.基于注意力特征融合網(wǎng)絡(luò)的DGA惡意域名檢測(cè)方法［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2024，43（1）：19-27.
引用格式：郝旭光.基于注意力特征融合網(wǎng)絡(luò)的DGA惡意域名檢測(cè)方法［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2024，43（1）：19-27.
A DGA malicious domain detection method based on attention feature fusion network
Hao Xuguang
Shanxi Organizational Name Administration Center, Taiyuan 030024, China
Abstract： Botnets employ Domain Generation Algorithms(DGA) to generate numerous random domain names to evade detection by the security defense system. In order to solve the problems of low accuracy and limited generalization capabilities, this article proposes attentional feature fusion network. This model combines an input layer, an Embedding layer, a Convolutional Neural Network layer, an attention module, and a Long Short Term Memory layer, achieving hierarchical feature extraction and substantially improving model′s performance. Experimental results indicate that the approach exhibits significant improvements in various indicators, showcasing outstanding DGA malicious domain name detection capabilities.
Key words : DGA domain;attention mechanism;neural network
引言
域名服務(wù)系統(tǒng)(Domain Name System, DNS)是互聯(lián)網(wǎng)最基礎(chǔ)的應(yīng)用系統(tǒng)，通過(guò)建立域名和IP地址的對(duì)應(yīng)關(guān)系支撐服務(wù)其他業(yè)務(wù)應(yīng)用，但其開放性和公平性也被惡意軟件利用。僵尸網(wǎng)絡(luò)借助域名生成算法(Domain Generation Algorithm, DGA)大量生成DGA域名，通過(guò)命令與控制(CommandandControl， C&C)服務(wù)器操控受害者主機(jī)，達(dá)到逃避安全監(jiān)控、提高生存和攻擊能力的目的，從而進(jìn)行大規(guī)模的分布式拒絕服務(wù)攻擊、發(fā)送垃圾郵件、傳播非法信息和釣魚網(wǎng)站、運(yùn)行勒索軟件等惡意活動(dòng)。其復(fù)雜性和隱蔽性導(dǎo)致傳統(tǒng)的網(wǎng)絡(luò)安全防御手段難以有效應(yīng)對(duì)，追蹤控制服務(wù)器位置變得更加困難。
作者信息：
郝旭光
(山西省政務(wù)和公益域名注冊(cè)管理中心,山西太原030024)
文章下載地址：http://ihrv.cn/resource/share/2000005887
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。