文献类型：期刊文章

作　　者：裴兰珍[1,2] 赵英俊[1] 王哲[1] 罗赟骞[2]

PEI Lan-zhen;ZHAO Ying-jun;WANG Zhe;LUO Yun-qian(School of Air and Missile Defense,Air Force Engineering University,Xi'an 710051,China;Army 95899 of PLA,Beijing 100085,China)

机构地区：[1]空军工程大学防空反导学院 [2]中国人民解放军95899部队

出　　处：《计算机科学》

基　　金：全军军事学研究生课题项目(2014JY514)资助

年　　份：2019

卷　　号：46

期　　号：5

起止页码：111-115

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：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  

分 类 号：TP393.08]