计算机工程与科学

作者：余子丞, 凌捷

单位：广东工业大学计算机学院，广东 广州 510006

关键词：域名生成算法,Transformer模型；深度卷积神经网络；双向长短期记忆网络；自注意力机制,

基金：广东省重点领域研发计划（2019B010139002）;广州市重点领域研发计划（202007010004）

针对域名生成算法生成的恶意域名隐蔽性高，现有方法在恶意域名检测上准确率不高的问题，提出一种基于Transformer和多特征融合的DGA域名检测方法。该方法使用Transformer编码器捕获域名字符的全局信息，通过并行深度卷积神经网络获取不同粒度的长距离上下文特征，同时引入双向长短期记忆网络BiLSTM和自注意力机制Self-Attention结合浅层CNN得到浅层时空特征，融合长距离上下文特征和浅层时空特征进行DGA域名检测。实验结果表明，所提方法在恶意域名检测方法上有更好的性能。相对于CNN、LSTM、L-PCAL和SW-DRN，所提方法在二分类实验中准确率分别提升了1.72%，1.10%，0.75%和0.34%；在多分类实验中准确率分别提升了1.75%,1.29%,0.88%和0.83%。

来源：2023年第8期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第8期