买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提出了一种基于GAN和Char‑CNN的DGA域名检测方法，用于解决现有技术存在的低随机性DGA域名的检测召回率低的问题，实现步骤为：获取训练样本集和验证样本集；构建生成对抗网络GAN和字符级卷积神经网络Char‑CNN；对生成对抗网络GAN进行迭代训练；获取增广训练集；对字符级卷积神经网络Char‑CNN进行迭代训练；基于训练好的字符级卷积神经网络Char‑CNN`对域名进行检测。本发明利用GAN生成对抗域名用以增广数据集，提升了训练样本集的丰富度，残差块结构降低了检测模型的错误率，提高了低随机性DGA域名的检测召回率，同时Char‑CNN需要计算的超参数少，缩短了检测模型的训练时间。

主权项：1.一种基于GAN和Char-CNN的DGA域名检测方法，其特征在于，包括如下步骤：1获取训练样本集和验证样本集：1a从热门域名集Alexa中顺次选取前L个热门域名组成训练样本集A，L≥600000；1b从良性域名集TRANCO中随机选取M个类别为0的良性域名，并对每个良性域名的类别进行标注，同时从DGA域名集DGArchive中随机选取N个类别为1的DGA域名，并对每个DGA域名的类别进行标注，然后将α*M个良性域名和α*N个DGA域名，以及各域名对应的标签组合成训练样本集B，将其余M-α*M个良性域名和其余N-α*N个DGA域名，以及各域名对应的标签组合成验证样本集，其中，M≥100000，N≥100000，0.6≤α≤0.8；2构建生成对抗网络GAN和字符级卷积神经网络Char-CNN：构建包括生成器网络和判别器网络的生成对抗网络GAN，其中，生成器网络包括全连接层、多个残差块、一维卷积层和激活层；判别器网络包括一维卷积层、多个残差块和全连接层；构建包括嵌入层、多个一维卷积层、多个激活层、多个一维最大池化层、多个残差块、Dropout层和多个全连接层的字符级卷积神经网络Char-CNN；3对生成对抗网络GAN进行迭代训练：3a设迭代次数为q1，最大迭代次数为Q1，Q1≥2000，并令q1＝0；3b将随机噪声noise1作为生成器网络的输入进行计算，得到m个对抗域名向量，同时对从训练样本集A中随机选取的m个热门域名进行编码，得到m个热门域名向量，其中，64≤m≤L；3c将m个对抗域名向量以及m个热门域名向量作为判别器网络的输入进行预测，得到概率集合其中,为第i个对抗域名向量来源于训练样本集A的概率，dj为第j个热门域名向量来源于训练样本集A的概率，1≤i≤m，1≤j≤m；3d根据计算生成器网络的损失lossg和判别器网络的损失lossd；3e采用Adam算法，并通过lossg和lossd对生成对抗网络GAN进行训练，再判断q1＝Q1是否成立，若是，得到训练好的生成对抗网络GAN`，否则，令q1＝q1+1，并执行步骤3b；4获取增广训练集：4a将随机噪声noise2作为训练好的生成对抗网络GAN`的输入进行计算，得到P个对抗域名向量，并对每个对抗域名向量进行解码，得到P个类别为1的对抗域名，其中，20000≤P≤L；4b对每个对抗域名的类别进行标注，并将P个对抗域名以及每个对抗域名的标签添加到训练样本集B中，得到增广训练集；5对字符级卷积神经网络Char-CNN进行迭代训练：5a设迭代次数为q2，最大迭代次数为Q2，Q2≥1000，并令q2＝0；5b对从增广训练集中随机选取的n个域名进行编码，得到n个域名向量，并将n个域名向量作为字符级卷积神经网络Char-CNN的输入进行预测，得到概率集合{p1,p2,...,pk,...,pn}，其中，pk为第k个域名的类别为1的概率，1≤k≤n，32≤n≤α*M+α*N+P；5c根据{p1,p2,...,pk,...,pn}，计算字符级卷积神经网络Char-CNN的损失loss；5d采用RMSprop算法，并通过loss的值对字符级卷积神经网络Char-CNN进行训练，得到训练后的Char-CNN模型Char-CNNq2；5e对从验证样本集中随机选取的c个验证域名进行编码，得到c个验证域名向量，并将c个验证域名向量作为Char-CNNq2的输入进行预测，得到概率集合其中，为第v个验证域名的类别为1的概率，1≤v≤c，32≤c≤M-α*M+N-α*N；5f根据计算c个验证样本的检测准确率Accuracy；5g判断q2＝Q2是否成立或Accuracy是否不再增加，若是，得到训练好的字符级卷积神经网络Char-CNN`，否则，令q2＝q2+1，并执行步骤5b；6基于训练好的字符级卷积神经网络Char-CNN`对域名进行检测：6a设待检测域名的数量为t，并对每个待检测域名进行编码，得到t个待检测域名向量，t≥1；6b将t个待检测域名向量作为训练好的字符级卷积神经网络Char-CNN`的输入进行预测，得到概率集合并判断是否成立,若是，则第u个待检测域名为DGA域名，否则，第u个待检测域名为非DGA域名，其中，为第u个待检测域名的类别为1的概率，1≤u≤t。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于GAN和Char-CNN的DGA域名检测方法