基于深度学习的集成DGA域名检测方法
2018-10-22罗赟骞王艳伟
网络安全与数据管理 2018年10期
罗赟骞,邬 江,王艳伟,杨 鹤
(中电长城网际系统应用有限公司,北京 102209)
0 引言
恶意软件是为了进行未经授权的恶意活动而感染计算机的软件,如僵尸网络、勒索软件、间谍软件等。恶意软件通常与命令和控制中心(Command & Control,C2)之间建立通信连接,从而使控制者通过C2服务器远程控制目标主机。为了提高恶意软件与C2服务器之间通信的可靠性,恶意软件常常采用动态域名生成算法(Domain Generation Algorithm,DGA)自动生成海量域名,然后从中选择一个或多个有效域名解析出IP地址,实现与C2服务器的通信,规避常规的黑名单检测。DGA域名是恶意软件的一个重要特征,对其进行有效检测可以准确、及时地发现恶意软件,对于提升安全检测水平进而提高网络空间安全防护能力具有重要的现实意义。
DGA域名检测经过了黑名单过滤、浅层机器学习检测阶段,正在向深层机器学习检测阶段发展,传统的黑名单检测方法需要人工补充DGA域名,难以适应DGA域名迅速增长带来的挑战[1]。浅层机器学习检测通过精心构造特征,采用浅层机器学习方法构建检测模型,实现对DGA域名的自动化检测。但是,由于需要人工构造特征,要求特征构造者具有丰富的经验,并且当DGA域名变种时,需要对特征进行重新构造。深度学习方法可以自动提取特征,解决了浅层机器学习面临的问题,可以采用该方法实现对DGA域名的有效检测。文献[2]提出采用长短时间记忆网络(Long Short-Term Memory,LSTM)模型实现对DGA域名的检测;文献[3]提出采用集成卷积神经网络(Convolutional Neural Network,CNN)模型对恶意字符串进行检测;……
登录APP查看全文
