典型文献
基于BERT和层次化Attention的恶意域名检测
文献摘要：
针对当前恶意域名检测方法存在检测精度和范围等表现不佳的问题,提出一种基于BERT和层次化Attention的恶意域名检测算法.首先,通过BERT构造包含上下文语义信息的词向量矩阵;然后,利用双向长短时记忆神经网络(Bi-Directional Long Short Term Memory,Bi-LSTM)分别获得域名字符串统一资源定位符(Uniform Resource Locator,URL)包含的字符和单词的向量表示,并在整条URL中加入全局Attention机制区分不同单词的重要性,在单词中引入局部Attention机制区分不同字符的重要性;最后,利用Softmax分类器进行合法域名与恶意域名的分类.通过在多个数据集上进行测试,实验结果表明,所提方法可以达到96.49％的查准率、96.27％的查全率、3.90％的误报率和94.13％的F1-Score,与当前主流恶意域名检测算法相比,在保持检测精度较高的基础上,具有更广的检测范围.
文献关键词：
恶意域名检测;BERT;层次化Attention;双向长短时记忆神经网络
中图分类号：
作者姓名：
张凤;张微;魏金花
作者机构：
银川科技学院信息工程学院,宁夏银川 750003
文献出处：
引用格式：
[1]张凤;张微;魏金花-.基于BERT和层次化Attention的恶意域名检测)[J].中国电子科学研究院学报,2022(03):290-296
A类：
B类：
BERT,层次化,Attention,恶意域名检测,检测精度,检测算法,上下文语义,语义信息,词向量,向量矩阵,双向长短时记忆神经网络,Bi,Directional,Long,Short,Term,Memory,域名字符串,源定位,Uniform,Resource,Locator,URL,单词,向量表示,整条,Softmax,分类器,法域,查准率,查全率,误报率,Score,检测范围
AB值：
0.306915
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。
