典型文献
基于ISSA-FLightGBM算法的恶意域名检测方法研究
文献摘要：
针对基于机器学习的恶意域名检测效率低、模型难以优化的问题,提出一种基于改进麻雀搜索算法(Im-proved Sparrow Search Algorithm,ISSA)优化焦点轻量级梯度提升机(Focal Loss LightGBM,FLightGBM)的恶意域名检测模型.首先,应用Tent混沌映射与螺旋曲线策略改进麻雀搜索算法,改善算法优化能力不足的问题;其次,针对样本分类不均问题,将焦点损失函数引入LightGBM算法,构建FLightGBM算法的分类模型,并使用ISSA进行模型参数优化;最后,收集真实互联网中域名信息构建样本库,提取多种域名特征后构建数据特征库,通过对比多种分类模型识别精度等指标评判算法性能.结果表明,本文模型能更高效地检测恶意域名.
文献关键词：
恶意域名;麻雀搜索算法;螺旋曲线;轻量级梯度提升机;焦点损失函数
中图分类号：
作者姓名：
刘猛猛
作者机构：
中国刑事警察学院 公安信息技术与情报学院,辽宁 沈阳 110854
文献出处：
引用格式：
[1]刘猛猛-.基于ISSA-FLightGBM算法的恶意域名检测方法研究)[J].兰州文理学院学报（自然科学版）,2022(06):46-51
A类：
FLightGBM
B类：
ISSA,恶意域名检测,基于机器学习,检测效率,改进麻雀搜索算法,Im,proved,Sparrow,Search,Algorithm,轻量级梯度提升机,Focal,Loss,域名检测模型,Tent,混沌映射,螺旋曲线,算法优化,焦点损失函数,分类模型,信息构建,样本库,种域,数据特征,模型识别,识别精度,算法性能
AB值：
0.265275
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
