基于深度学习与自然语言处理的命令与控制（C2）流量检测——基于算法生成域（DGA）分类
机器学习
2025-12-10 v1 人工智能
密码学与安全
摘要
现代恶意软件的复杂性，特别是就其与命令与控制（C2）服务器的通信而言，已使基于静态黑名单的防御方法失效。域生成算法（DGA）允许攻击者每日生成数千个动态地址，阻挡传统防火墙。本文旨在提出并评估一种使用深度学习和自然语言处理（NLP）技术检测DGA域的方法。该方法包括收集包含5万个合法域和5万个恶意域的混合数据库，随后提取词汇特征并训练循环神经网络（LSTM）。结果表明，虽然统计熵分析对简单DGA有效，但神经网络方法在检测复杂模式方面具有优势，达到97.2%的准确率，并在含模糊合法业务场景时降低了误报率。
引用
@article{arxiv.2512.07866,
title = {Command & Control (C2) Traffic Detection Via Algorithm Generated Domain (Dga) Classification Using Deep Learning And Natural Language Processing},
author = {Maria Milena Araujo Felix},
journal= {arXiv preprint arXiv:2512.07866},
year = {2025}
}
备注
Language: Portuguese