使用循环神经模型自动检测恶意软件生成的域名
密码学与安全
2017-09-22 v1
摘要
现代恶意软件家族通常依赖域名生成算法（DGA）来确定其命令与控制服务器的会合点。传统的防御策略（如黑名单域名或 IP 地址）无法应对此类技术，因为这些算法产生的域名列表庞大且不断变化。本文证明，基于循环神经网络的机器学习方法能够高精度地检测由 DGA 生成的域名。神经模型是在由各种恶意软件生成的大型域名训练集上估计的。实验结果表明，这种数据驱动的方法可以检测恶意软件生成的域名，其 分数为 0.971。换言之，在 1:100 的误报率下，该模型可以自动检测出 93% 的恶意软件生成域名。
引用
@article{arxiv.1709.07102,
title = {Automatic Detection of Malware-Generated Domains with Recurrent Neural Models},
author = {Pierre Lison and Vasileios Mavroeidis},
journal= {arXiv preprint arXiv:1709.07102},
year = {2017}
}
备注
Submitted to NISK 2017