DomainLynx：利用大型语言模型实现增强型域名捕获检测
密码学与安全
2025-02-17 v3
摘要
域名捕获构成了互联网安全的重要威胁，攻击者正采用日益复杂的技术手段。本研究引入 DomainLynx，一种创新的复合型 AI 系统，利用大型语言模型（LLM）实现增强型域名捕获检测。不同于专注于前列域名的预定义模式的现有方法，DomainLynx 在识别新型捕获技术方面具有优势，能够保护不突出的品牌。该系统的体系结构集成了先进的数据处理、智能域名配对和 LLM 驱动的威胁评估。关键的是，DomainLynx 包含专门的组件来缓解 LLM 幻觉，确保可靠且情境感知的检测。该方法使我们能够高效地分析来自各种来源的大规模安全数据，包括证书透明度日志、被动 DNS 记录和区域文件。我们在由 1,649 个捕获域名组成的精选数据集上对 DomainLynx 进行评估，它使用 Llama-3-70B 实现了 94.7% 的准确率。在一个月的实际测试中，它从 209 万个新域名中检测到了 34,359 个捕获域名，净基准方法的性能提高了 2.5 倍。这项研究推动了互联网安全的发展，为应对不断演变的域名捕获威胁提供了一种通用、准确且可适应的工具。DomainLynx 的方法为构建更稳健、由 AI 驱动的网络安全解决方案铺平了道路，增强了对更广泛在线实体的保护，为构建更安全的数字生态系统作出了贡献。
引用
@article{arxiv.2410.02095,
title = {DomainLynx: Leveraging Large Language Models for Enhanced Domain Squatting Detection},
author = {Daiki Chiba and Hiroki Nakano and Takashi Koide},
journal= {arXiv preprint arXiv:2410.02095},
year = {2025}
}
备注
Originally presented at IEEE CCNC 2025. An extended version of this work has been published in IEEE Access: https://doi.org/10.1109/ACCESS.2025.3542036