DGA系列之RNN（一）

最新推荐文章于 2024-05-12 23:24:53 发布
最新推荐文章于 2024-05-12 23:24:53 发布
阅读量449 收藏
点赞数
分类专栏： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39936434/article/details/103447818
版权

这篇博客是对书中《web安全深度学习实战》DGA域名检测RNN的代码进行复现与解释。

实验步骤

  1. 获取样本数据
  2. 提取特征
  3. 将样本划分为训练集和测试集
  4. 使用RNN算法在训练集上训练，获得模型数据
  5. 使用模型数据在测试集上进行测试
  6. 验证RNN算法的结果

获取样本数据

在这里插入图片描述
老规矩，加载正常样本和黑样本。

提取特征与划分数据集

在这里插入图片描述

训练、预测和验证RNN

在这里插入图片描述
将提取出来的特征数据二值化，并定义长度为64，不够长度就补0

在这里插入图片描述
建立网络模型，先定义传入数据形状，64维，然后通过embedding再嵌入，变成64x64，并且也将张量传入lstm。最后连接全层网络，定义损失函数等。
在这里插入图片描述
训练数据

在这里插入图片描述
验证数据，最后输出报告
在这里插入图片描述
吐槽一句，这里我用我的8核心cpu跑这个代码，直接爆炸…
后来感谢有个大佬借了台32核的服务器跑了一个钟才跑完>-<，结果不易啊

代码上传到个人github：rnn_dga.py

吃肉唐僧
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
变压器故障数据 DGA数据集 excel形式可用于故障诊断分析
07-14
油中溶解气体的相关数据 包括五种气体数据（H2，CH4,C2H6,C2H4,C2H2）及对应的故障类型 样本总数357组，故障类型7种（含正常） sheet1为排序数据，sheet2包含归一化数据
DGA系列之RNN（三）
吃肉唐僧的博客
01-11 193
继上一篇介绍完RNN算法之后，我们现在来进行代码实战 代码实战 这次同样是验证码识别，不同的是上次DNN是tensorflow实现的，而这次是用tflearn框架实验的。 实验步骤 1.DNN的tflearn实现mnist验证码识别 2.RNN的tflearn实现mnist验证码识别 加载数据 DNN DNN算法，这个维度维度是784，这是将所有数据放在一个维度里。 最后softmax分类作...
变压器DGA油色谱数据共504组（内含算法）——变压器故障诊断（故障诊断，机器学习，SVM支持向量机，PCA，RF随机森林）
最新发布
Seu_Jason的博客
05-12 1052
DGA溶解气体数据
DGA数据集和算法研究
ailx10
05-12 968
针对DGA的研究现在已经很多了，cnki 里面有116篇论文，涉及到dga黑样本，域名白名单，dga算法分析等，在数据集和dga原理的基础上，提出创新检测方案。因此，抽取共性，综合各家dga之所长，屏蔽之所短，不失是研究dga的一种好的方法。总的来说，做研究的本质，就是多读论文，论文看多了，思路自然就有了。DGArchive数据集[1]，千万级数据源，需要使用学校或企业邮箱申请访问账号，作者人很好...
【深度学习论文翻译】应用于语义分割问题的深度学习技术综述02
水亦心的博客
01-24 1839
目录 一、前言 二、方法 1、 解码器变体 2、 整合上下文知识 1.  条件随机场 2. 扩张的（dilated）卷积 3. 多尺度预测 4. 特征融合 5. 循环神经网络RNN（Recurrent Neural Networks） 3、 实例分割 4、 RGB-D数据（带有深度） 5、 三维数据 6、 视频序列 三、 讨论 1、 评价指标 1. 运行时间 2....
python恶意域名DGA检测桌面系统,框架：python + tk +CNN 模型+ ＲNN 模型
08-01
python恶意域名DGA检测桌面系统 有人工智能神经网络检测方式 框架：python + tk +CNN 模型+ ＲNN 模型 角色介绍：无 训练模型模块 载入模型检测 输出结果模块 CNN 模型和 ＲNN 模型+的集成检测模型。集成检测模 ...
DGA 恶意域名机器学习数据集
08-19
LSTM（Long Short-Term Memory）是一种递归神经网络（RNN）的变体，擅长处理序列数据，如时间序列或文本数据。在DGA域名检测中，LSTM可以学习域名字符串的长期依赖性，以区分正常与恶意域名。而“注意力机制”则是...
基于机器学习和深度学习的恶意域名检测算法DGA
12-13
1. RNN（循环神经网络）与LSTM（长短时记忆网络）：由于DGA域名具有时间序列的特性，RNN和LSTM能捕获序列数据的上下文信息，从而更有效地识别恶意域名。 2. CNN（卷积神经网络）：CNN擅长处理图像和文本数据，可以...
python恶意域名DGA检测桌面系统 有人工智能神经网络检测方式 框架：python + tk +CNN 模型+ ＲNN 模型
08-01
python恶意域名DGA检测桌面系统 有人工智能神经网络检测方式 框架：python + tk +CNN 模型+ ＲNN 模型 角色介绍：无 训练模型模块 载入模型检测 输出结果模块 CNN 模型和 ＲNN 模型+的集成检测模型。集成检测模 型...
基于深度学习的DGA检测.zip
03-28
DGA是恶意软件常用的一种技术，通过生成难以预测的域名来逃避传统的基于黑名单的网络安全防御系统。在网络安全领域，能够及时识别并阻断这些恶意域名对于防止网络攻击至关重要。 在这个"人工智能毕业设计&课程设计...
long-short-term-memory-networks-with-python
07-24
LSTM(长短期记忆网络)的基本概念以及Python实战，值得学习。
语义分割之Dual Attention Network for Scene Segmentation
画心
04-05 2222
Dual Attention Network for Scene Segmentation 文章目录Dual Attention Network for Scene Segmentation相关工作本文工作双注意力网络Position Attention ModuleChannel Attention ModuleAttention Module Embedding with Networks双注...
DAGNN：有向无环图神经网络
沈春旭的博客
07-16 7652
1.综述： DagNN是用来代替SimpleNN的CNN wrapper。它是面向对象的，并且允许采用有向无环图构建神经网络。与SimpleNN相比，DagNN速度有点慢但是更加灵活。 一个DAG对象包括以下数据成员： layers: 神经网络层 vars: 网络变量 params: 网络参数 meta: 额外的补充信息 同时，DAG还包括有一些临时的数...
DAGScheduler核心步骤解读
可为的专栏
09-13 1605
DAGScheduler说明 完成stage划分 维护job和stage的对应关系 维护RDD的存储位置 根据stage信息生成taskSet提交给TaskScheduler
机器学习——特征预处理
yangnanjie的博客
11-11 441
本文主要讲了特征预处理中要使用到的，归一化、标准化以及PCA降维的操作以及在Python中的使用。
DGA深度学习相关论文
塞北战斗民族的博客
06-12 1650
一、基于 word-hashing 的 DGA 僵尸网络深度检测模型 （2017）  主要贡献：基于word-hashing 将所有 域名转用二元语法字符串表示，利用词袋模型把域名映射到高维向量空间． 然后利用5 层深度神 经网络对转换为高维向量的域名进行训练分类检测。 通过深度模型，能够从训练数据中发现不同 层次抽象的隐藏模式和特征，而这些模式和特征使用传统的统计方法大多是无法发现的．     ...
安全数据集和开源工具
zourzh123的专栏
07-12 5405
    由于本人从事安全相关的行业的工作，接触到很多想用机器学习解决网络安全相关的问题，不可避免的需要用到很多安全相关的开源数据集和工具，这里记录一下本人自己用过并感觉不错的数据集和开源工具。当然，这可能只是安全领域数据集和开源工具极小的一部分，希望能起到抛砖引玉的目的吧，本人后续也会不断更新。 1. 安全数据集    对于安全数据集，已经有行业从业者不辞辛劳的总结的很完善了，这里给出两个我看到的...
DGA系列之XGBoost（一）
吃肉唐僧的博客
01-11 347
这篇博客是对书中《web安全机器学习入门》DGA域名检测XGBoost的代码进行复现与解释。代码大部分与之前我发布的朴素贝叶斯算法的代码差不多。 实验步骤如下： 1. 获取样本数据 2. 提取特征 3. 将样本划分为训练集和测试集 4. 使用朴素贝叶斯算法在训练集上训练，获得模型数据 5. 使用模型数据在测试集上进行测试 6. 验证XGBoost算法的结果...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值