高斯核训练svm分类_【首发推荐】计算机科学技术：基于SVM的DGA家族分类方法研究...

点击上方蓝字关注“中国科技论文在线”

不同家族域名字符特征

基于SVM的DGA家族分类方法研究

周琳娜，吕欣一

作者单位

北京邮电大学网络空间安全学院；国际关系学院信息科技学院

摘要

为了检测溯源僵尸网络，大量学者对检测区分使用动态域名算法生成的DGA恶意域名进行了研究，但在规则匹配上大多采用逆向分析的方法，这对使用者的技术要求较高，同时会耗费大量时间和人力资源。本文在对DGA恶意域名检测的基础上，对恶意域名进行分析，找出区分明显的特征进行组合，从域名结构、域名字符特征、域名信息熵三个方面分析提取各个恶意域名家族的特征，并选用了SVM算法进行模型训练。在对DGA恶意域名进行家族分类过程中，利用高斯核函数进行转换，简化了SVM分类器的计算量,在保证分类准确度的同时提高了效率，最终，实验证明验证了该方法的有效性。

关键词

网络安全；DGA分类；机器学习；特征工程；检测技术

基金项目

国家自然科学基金重点项目(U1536207)；国家重点研发计划项目(2016QY08D1600)国家重点研发计划课题(2016YFB0801405)；2018年度中央高校基本科研业务费项目(3262018T02)

同行评议

☆☆☆☆☆

THE END 中国科技论文在线 www.paper.e du.cn

国内最大的预印本库，免费OA论文库

教育部科技发展中心