基于集成的特征选择与分类模型用于 DNS 错拼劫持检测
密码学与安全
2020-06-17 v1 机器学习
网络与互联网体系结构
机器学习
摘要
域名系统（DNS）在当前基于 IP 的互联网架构中发挥着重要作用，因为它执行域名到 IP 的解析。然而，由于 DNS 协议内部缺乏数据完整性和来源认证，其存在若干安全漏洞。本文关注一种特定的安全漏洞，即错拼劫持（typo-squatting）。错拼劫持是指注册与现有流行品牌极为相似的域名，旨在将用户重定向至恶意/可疑网站。错拼劫持的危害在于它可导致信息威胁、企业机密泄露，并可为欺诈提供便利。本文在我们先前工作 [1] 的基础上（该工作仅提出了基于多数投票的分类器），提出一种基于集成的特征选择与装袋分类模型来检测 DNS 错拼劫持攻击。实验结果表明，所提框架在识别恶意/可疑错拼劫持域名时取得了高准确率和精度（与使用完整特征集的模型相比，准确率损失至多 1.5%，精度损失至多 5%），同时由于特征集更小而具有更低的计算复杂度（特征集规模减少超过 50%）。
引用
@article{arxiv.2006.09272,
title = {Ensemble-based Feature Selection and Classification Model for DNS Typo-squatting Detection},
author = {Abdallah Moubayed and Emad Aqeeli and Abdallah Shami},
journal= {arXiv preprint arXiv:2006.09272},
year = {2020}
}
备注
6 pages, 2 figures, 6 tables, Accepted in 2020 IEEE CANADIAN CONFERENCE ON ELECTRICAL AND COMPUTER ENGINEERING (CCECE 2020)