山东大学学报(理学版)

作者：刘洋,赵科军,葛连升,刘恒

单位：1.山东大学信息化工作办公室, 山东 济南 250100;2.山东大学计算机科学与技术学院, 山东 青岛 266237;3.中电长城网际系统应用有限公司, 北京 102209

关键词：域名生成算法,卷积网络,LSTM,

基金：十三五国家重点研发计划(2017YFB0803004);赛尔网络下一代互联网技术创新项目(NGII20150412)

提出了一种基于深度学习的CNN-LSTM-Concat快速DGA域名分类算法,使用多层一维卷积网络对域名字符进行序列化处理,LSTM网络层用于强化获取字符间长距离依赖关系。通过将LSTM的多序列输入转化为单向量输入,在保证检测性能的前提下,能够大幅提高训练和检测速度。实验证明,我们的方法对DGA域名分类的准率在公开数据集上达到98.32%。同时,在准确率相比主流的LSTM方法更高的情况下,检测时间比LSTM方法快6.41倍。

来源：2019年第7期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2019年第7期