陈立国,张跃冬,耿光刚,延志伟

1(中国科学院 计算机网络信息中心,北京 100190)

2(中国科学院大学,北京 100049)

3(中国互联网络信息中心,北京 100190)

随机域名是指由随机域名算法生成的域名,在针对域名系统[1]发起的分布式拒绝服务攻击中被普遍使用,随机域名检测是过滤拒绝服务攻击流量的前提.随机域名的检测工作主要基于随机域名的随机性特点来进行.随机域名由随机域名算法生成,各字符出现的概率相同且字符之间没有依赖关系.基于随机域名的随机性特点,现有的随机域名检测方法主要包括基于域名分布相似度的检测方法与基于机器学习的检测方法两类,这两类方法将在第1章中详细介绍.

随机域名检测是域名系统DDoS流量过滤、僵尸网络通信检测等域名安全任务的基础工作,在检测实时性、检测准确率等方面都有较高的要求.传统的随机域名检测方法检测准确率较低,误报率较高,且多数方法在流量过滤等任务中不能满足实时性的需求.

近年来,深度学习在图像、语音、自然语言处理等领域都取得了重大突破[2,3],基于深度学习的应用越来越多[4–6],应用深度学习的模型解决传统研究领域的问题也成为了研究的热点.本文将GRU(Gated Recurrent Unit)型循环神经网络模型[7]应用于随机域名的检测工作中,经过算法生成数据与真实场景数据的实验验证,该模型相比传统检测模型拥有更好的检测性能,且检测过程中不需要对域名提取特征.

1 传统的随……

登录APP查看全文