利用 NXt 至无：类不平衡对 DGA 检测分类器的影响
密码学与安全
2020-07-02 v1 机器学习
摘要
已提出众多机器学习分类器用于将域名二分类为良性或恶意，甚至用于多分类以识别生成特定域名的定义域生成算法（DGA）。两项分类任务都必须处理每类 DGA 训练样本数量差异极大的类不平衡问题。目前尚不清楚，将仅知少量样本的 DGA 纳入训练集对分类器的整体性能是有益还是有害。本文中，我们对各种无上下文 DGA 分类器进行了全面分析，揭示了每类少量训练样本对两项分类任务的高价值。我们证明，通过纳入先前几乎无法识别的代表不足类别，分类器能够以高概率检测各类 DGA。同时，我们表明分类器对代表性充足类别的检测能力并未下降。
引用
@article{arxiv.2007.00300,
title = {Making Use of NXt to Nothing: The Effect of Class Imbalances on DGA Detection Classifiers},
author = {Arthur Drichel and Ulrike Meyer and Samuel Schüppen and Dominik Teubert},
journal= {arXiv preprint arXiv:2007.00300},
year = {2020}
}
备注
Accepted at The 15th International Conference on Availability, Reliability and Security (ARES 2020)