典型文献
基于卷积神经网络的恶意区块链域名检测方法
文献摘要：
随着区块链域名解析技术的成熟,区块链域名已被应用于恶意代码的控制系统.为了高效检测恶意区块链域名,提出了一种检测恶意区块链域名的新型方法.通过对恶意区块链域名的资源记录和流量行为深度分析,从多个维度提取域名的特征,并对特征进行归一化处理,最后将特征向量输入到卷积神经网络训练分类模型来检测恶意区块链域名.实验结果表明,与现有方法相比,对恶意区块链域名的检测取得较好效果,F1_Score为0.9883,AUC达到0.9896,并且能够发现更多的未知恶意区块链域名.
文献关键词：
恶意区块链域名;卷积神经网络;僵尸网络;深度学习;域名系统
中图分类号：
作者姓名：
王中华;徐杰;韩健;臧天宁
作者机构：
国家计算机网络应急技术处理协调中心 北京 100029;中国工业互联网研究院 北京 100102;中国科学院信息工程研究所 北京 100093
文献出处：
引用格式：
[1]王中华;徐杰;韩健;臧天宁-.基于卷积神经网络的恶意区块链域名检测方法)[J].信息安全研究,2022(08):760-767
A类：
恶意区块链域名
B类：
域名检测,域名解析,恶意代码,高效检测,深度分析,归一化处理,特征向量,神经网络训练,分类模型,Score,僵尸网络,域名系统
AB值：
0.173659
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。
