典型文献
基于CNN-BiLSTM和注意力机制的恶意域名检测
文献摘要：
针对现有恶意域名检测方法对新出现的恶意域名检测精度不高的问题,提出一种双层注意力CNN-BiLSTM的恶意域名检测算法.首先,利用卷积神经网络(Convolutional Neural Networks,CNN)和字符注意力编码块,提取域名在字符层的全局深度语义特征;然后,利用双向长短期记忆神经网络(Bi-Directional Long Short Term Memory,BiLSTM)和字节注意力编码块,细粒度的提取字节层的局部语义特征;最后,利用训练的分类器进行合法域名与恶意域名的分类.通过在多个家族恶意域名数据集上进行测试,结果表明,相比当前主流的恶意域名检测模型,文中模型在合法域名与恶意域名的二分类任务中优势显然;在更具挑战性的家族恶意域名检测的多分类任务中同样表现良好.
文献关键词：
恶意域名检测;卷积神经网络;双向长短期记忆神经网络;注意力机制
中图分类号：
作者姓名：
张清;张文川;冉兴程
作者机构：
兰州石化职业技术大学,甘肃兰州 730060;河西学院,甘肃张掖 734000
文献出处：
引用格式：
[1]张清;张文川;冉兴程-.基于CNN-BiLSTM和注意力机制的恶意域名检测)[J].中国电子科学研究院学报,2022(09):848-855
A类：
B类：
BiLSTM,注意力机制,恶意域名检测,新出现,检测精度,层注意力,检测算法,Convolutional,Neural,Networks,字符,语义特征,双向长短期记忆神经网络,Directional,Long,Short,Term,Memory,字节,细粒度,取字,分类器,法域,名数,域名检测模型,二分类,分类任务,多分类
AB值：
0.208424
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。
