基于机器学习的恶意域名检测方法研究
2021-05-30张建辉孙皓月赵万旗
河北建筑工程学院学报 2021年4期
张建辉 孙皓月 赵万旗
(河北建筑工程学院,河北 张家口 075000)
0 引 言
域名系统(Domain Name System)为我国现代网络业务提供了方便[1],增加了用户的上网体验.与此同时,域名系统解析也成为僵尸网络发动攻击的重要依托,为了逃避安全设施的检测,僵尸网络的攻击也越来越复杂,其中一个常见的技术就是在僵尸网络中使用DGA域名生成算法,使攻击服务器域名快速变化.在该方式下,控制服务器与受控机器的通信节点是动态变化的,安全人员难以捕捉到控制服务器的域名和IP地址[2],以至于无法切断联系,阻止攻击.僵尸网络利用DGA域名生成算法进行通信的原理如下:攻击端和受控主机使用相同DGA算法,从生成的DGA域名中选取少量注册.由于通信节点处域名不断变化,传统的黑名单防护手段在更新上无法做到及时性,并且开销较大.因此业界急需一种有效的DGA恶意域名检测手段.
1 相关研究
DGA算法通过输入随机种子,以伪随机化算法作为辅助,生成一系列的随机字符串域名.所以域名表面上看似乎是随机的,但内部结构都是通过伪随机化算法生成的,其实是有迹可循的,比如对于算法输入的随机种子的选择,往往会选择当前的时间、网络热词等.
当前学术界对于DGA域名的检测从未停止.文献[3]使用机器学习方法,基于语法特征基础上加入了N-Gram模型特征,提高了算法的精确率;文献[4]提出了基于聚类和分类算法的恶意域名检测方法,使用聚类算法分出DGA域名的类……
登录APP查看全文
