使用深度学习检测DGA（demo、初探）

墨痕诉清风

已于 2022-08-25 11:10:19 修改

阅读量3k

点赞数

分类专栏：安全文献文章标签：深度学习人工智能机器学习

于 2021-01-29 16:58:28 首次发布

本文链接：https://blog.csdn.net/u012206617/article/details/113397058

版权

安全文献专栏收录该内容

137 篇文章 65 订阅 ¥19.90 ¥99.00

订阅专栏

本文介绍了使用深度学习，特别是长短期记忆网络（LSTM），来检测DGA域名的技术。LSTM能够学习字符序列模式，帮助识别DGA生成的恶意域名，避免黑名单检测的局限性。通过与传统方法的比较，表明了深度学习在特征自动学习和适应性强方面的优势。实验结果显示，使用LSTM的检测效果优秀，AUC值达0.9977。

摘要由CSDN通过智能技术生成

摘要： DGA(域名生成算法)是一种利用随机字符来生成C&C域名，从而逃避域名黑名单检测的技术手段。例如，一个由Cryptolocker创建的DGA生成域xeogrhxquuubt.com，如果我们的进程尝试其它建立连接，那么我们的机器就可能感染Cryptolocker勒索病毒。

DGA(域名生成算法)是一种利用随机字符来生成C&C域名，从而逃避域名黑名单检测的技术手段。例如，一个由Cryptolocker创建的DGA生成域xeogrhxquuubt.com，如果我们的进程尝试其它建立连接，那么我们的机器就可能感染Cryptolocker勒索病毒。域名黑名单通常用于检测和阻断这些域的连接，但对于不断更新的DGA算法并不奏效。我们的团队也一直在对DGA进行广泛的研究，并在arxiv发表了一篇关于使用深度学习预测域生成算法的文章。

本文我将为大家介绍一种，简单而有效的DGA生成域的检测技术。我们将利用神经网络(或称之为深度学习)更具体的来讲就是长短期记忆网络(LSTM)，来帮助我们检测DGA生成域。首先我们会探讨深度学习的优势，然后我将进一步的通过实例来验证我的论述。

如果你之前对机器学习并不了解，那么我建议你先翻看我之前发布的三篇关于机器学习的文章再来阅读本文，这样会更有助于你的理解。