分析 DGA 分类器的实际适用性
密码学与安全
2020-06-22 v1 机器学习
摘要
借助二分类器将良性域名与 DGA 生成的域名分离是一个被充分研究的问题，已有令人鼓舞的性能结果发表。确定生成域名的确切 DGA 以实现针对性 remediation 措施的相应多分类任务则研究较少。在实践中为这些任务选择最有前景的分类器会引发许多先前工作尚未解决的问题。这些问题包括在哪个网络、何时、基于何种流量进行训练，以及如何评估对抗攻击的鲁棒性。此外，尚不清楚哪些特征导致分类器做出决策，以及分类器是否具备实时能力。在本文中，我们解决这些问题，从而有助于将 DGA 检测分类器推向实际应用。在此背景下，我们针对两项任务各提出一种基于残差神经网络的新型分类器，并在统一设置下对它们以及先前提出的分类器进行广泛评估。我们不仅评估其分类性能，还就可解释性、鲁棒性以及训练和分类速度对它们进行比较。最后，我们展示我们新提出的二分类器能很好地泛化到其他网络，具有时间鲁棒性，并能够识别先前未知的 DGA。
引用
@article{arxiv.2006.11103,
title = {Analyzing the Real-World Applicability of DGA Classifiers},
author = {Arthur Drichel and Ulrike Meyer and Samuel Schüppen and Dominik Teubert},
journal= {arXiv preprint arXiv:2006.11103},
year = {2020}
}
备注
Accepted at The 15th International Conference on Availability, Reliability and Security (ARES 2020)