【《基于AGDGraph的恶意域名检测方法分析》5700字】_第1页
【《基于AGDGraph的恶意域名检测方法分析》5700字】_第2页
【《基于AGDGraph的恶意域名检测方法分析》5700字】_第3页
【《基于AGDGraph的恶意域名检测方法分析》5700字】_第4页
【《基于AGDGraph的恶意域名检测方法分析》5700字】_第5页
已阅读5页，还剩9页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于AGDGraph的恶意域名检测方法分析目录TOC\o"1-3"\h\u27782基于AGDGraph的恶意域名检测方法分析 [26]/%73.471.2AGDGraph84.098.4实验表明，AGDGraph模型检测基于字典的恶意域名能力比其他模型好，在精准率和召回率上均高于其他模型。根据实验结果，我们可以分析出如下结论：（1）在面对新型恶意域名的检测时，原有的高效检测模型（即CNN、LSTM等模型）检测效果偏差，而基于AGDGraph的效果比原有方法有较多改善，可以说明，图方法在检测基于字典的恶意域名中是有效的。（2）LSTM模型和GRU模型略优于CNN模型，原因可能在于它们可以关注字符串中的前后信息，可处理一些复杂特征。而LSTM和GRU之间的差别不大，但是GRU略优于LSTM的表现，可能说明其在处理域名这类短字符串上有一定的优势。（3）虽然AGDGraph模型的效果优于其他模型，但从理论上分析，AGDGraph更依赖于数据集的结构，即依赖数据集中的域名所提取的单词最终构成无向图的结构，如果数据集是完美数据集，那么图方法可以将所有满足条件的域名单词均标记在AGDGraph中，那么无向图的节点之间，由恶意域名提取的单词联系更为密切（仅从更直观的度考虑），且能在无向图中可以分辨出由各域名词典生成的恶意域名家族，之后对所有连通分量中的节点单词进行分析，从而可以在理论上检测接近100%的恶意域名。（4）AGDGraph模型效果仍有提升空间，可以看到该模型基本能够召回所有的恶意域名，得益于其独特的特征提取方式，与原有模型不同的是，该特征提取方式更偏向于提升召回率，并且能够达到极高的水平，但其准确率

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论