软件学报

作者：杨宏宇，章涛，张良，成翔，胡泽

单位：杨宏宇，中国民航大学 安全科学与工程学院, 天津 300300;中国民航大学 计算机科学与技术学院, 天津 30030011,章涛，中国民航大学 计算机科学与技术学院, 天津 30030002,张良，School of Information, The University of Arizona, Tucson AZ 85721, USA03,成翔，扬州大学信息工程学院, 江苏 扬州 22512704,胡泽，中国民航大学 安全科学与工程学院, 天津 30030005

关键词：DGA域名检测;深度学习;双分支特征提取网络;切片金字塔网络;自适应胶囊网络

基金：国家自然科学基金(62201576, U1833107); 中央高校基本科研业务费专项资金(3122022050); 中国民航大学信息安 全测评中心开放基金(ISECCA-202202); 中国民航大学学科经费

面向域名生成算法(domain generation algorithm, DGA)的域名检测方法普遍具有特征提取能力弱、特征信息压缩比高等特点, 这导致特征信息丢失、特征结构破坏以及域名检测效果较差等诸多不足. 针对上述问题, 提出一种基于双分支特征提取和自适应胶囊网络的DGA域名检测方法. 首先, 通过样本清洗和字典构建重构原始样本并生成重构样本集; 其次, 通过双分支特征提取网络处理重构样本, 在其中, 利用切片金字塔网络提取域名局部特征, 利用Transformer提取域名全局特征, 并利用轻量级注意力融合不同层次的域名特征; 然后, 利用自适应胶囊网络计算域名特征图的重要度系数, 将域名文本特征转换为向量域名特征, 并通过特征转移计算基于文本特征的域名分类概率; 同时, 利用多层感知机处理域名统计特征, 以此计算基于统计特征的域名分类概率; 最后, 通过合并得到的两种不同视角的域名分类概率进行域名检测. 大量的实验表明, 所提方法在DGA域名检测以及DGA域名家族检测分类方面均取得了当前领先的检测效果. 在DGA域名检测中, F1分数提升了0.76%-5.57%; 在DGA域名家族检测分类中, F1分数(宏平均)提升了1.79%-3.68%.

来源：2024年第8期

《软件学报》期刊编辑部

查看软件学报杂志2024年第8期