SecureReg：结合 NLP 与 MLP 增强恶意域名注册检测
密码学与安全
2024-07-11 v3 人工智能
摘要
网络威胁形势日益严峻，其特征是每天注册数千个新域名用于垃圾邮件、网络钓鱼和路过式下载等大规模互联网攻击，这凸显了对创新检测方法的迫切需求。本文介绍了一种在注册过程伊始识别可疑域名的前沿方法。配套的数据流水线通过将新域名与已注册域名进行比较来生成关键特征，并强调关键的相似度评分。所提出的系统利用自然语言处理（NLP）技术的新颖组合（包括预训练的 CANINE 模型和多层感知机（MLP）模型）来分析语义和数值属性，为早期威胁检测提供了稳健的解决方案。这种集成的预训练 NLP（CANINE）+ MLP 模型展现出卓越的性能，超越了单独的预训练 NLP 模型和独立的 MLP 模型。在 SecureReg 数据集上，其 F1 分数为 84.86%，准确率为 84.95%，能有效检测恶意域名注册。研究结果证明了该集成方法的有效性，并为通过早期识别可疑域名注册以制定主动策略来减轻非法在线活动相关风险的持续努力做出了贡献。
引用
@article{arxiv.2401.03196,
title = {SecureReg: Combining NLP and MLP for Enhanced Detection of Malicious Domain Name Registrations},
author = {Furkan Çolhak and Mert İlhan Ecevit and Hasan Dağ and Reiner Creutzburg},
journal= {arXiv preprint arXiv:2401.03196},
year = {2024}
}