[发明专利]恶意域名检测设备、系统和方法有效
申请号: | 201880093939.3 | 申请日: | 2018-05-29 |
公开(公告)号: | CN112204930B | 公开(公告)日: | 2022-03-01 |
发明(设计)人: | 德米特里·梅汀;埃拉德·佐里夫 | 申请(专利权)人: | 华为云计算技术有限公司 |
主分类号: | H04L61/30 | 分类号: | H04L61/30;H04L9/40;G06N3/04;G06N3/08;G06N20/20;G06N5/00 |
代理公司: | 北京同达信恒知识产权代理有限公司 11291 | 代理人: | 高金金 |
地址: | 550025 贵州省贵阳市*** | 国省代码: | 贵州;52 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 恶意 域名 检测 设备 系统 方法 | ||
1.一种恶意域名检测设备(100),其特征在于,所述设备(100)用于:
接收完全限定域名(Fully-Qualified Domain Name,FQDN)(101)和公共后缀索引(102)作为输入;
根据所述公共后缀索引(102)确定所述FQDN(101)中的公共后缀序列(103)和域字符序列(104);
对所述公共后缀序列(103)进行处理,以得到指示所述FQDN(101)是否恶意的第一结果(105);
对所述域字符序列(104)进行处理,以得到指示所述FQDN(101)是否恶意的第二结果(106);以及
对所述第一结果(105)和所述第二结果(106)进行合并,并根据所述合并的结果(107)判断所述FQDN(101)是否恶意。
2.根据权利要求1所述的设备(100),其特征在于,包括:
第一长短期记忆(Long Short-Term Memory,LSTM)网络(202),用于对所述公共后缀序列(103)进行处理,和/或
第二LSTM网络(203),用于对所述域字符序列(104)进行处理。
3.根据权利要求2所述的设备(100),其特征在于,
所述第一LSTM网络(202)和/或所述第二LSTM网络(203)为递归神经网络。
4.根据权利要求1所述的设备(100),其特征在于,当用于对所述公共后缀序列(103)进行处理时,所述设备(100)用于:
根据确定的先前事件计算所述公共后缀序列(103)和所述域字符序列(104)用于恶意FQDN(101)的概率。
5.根据权利要求2所述的设备(100),其特征在于,当用于对所述公共后缀序列(103)进行处理时,所述设备(100)用于:
根据确定的先前事件计算所述公共后缀序列(103)和所述域字符序列(104)用于恶意FQDN(101)的概率。
6.根据权利要求3所述的设备(100),其特征在于,当用于对所述公共后缀序列(103)进行处理时,所述设备(100)用于:
根据确定的先前事件计算所述公共后缀序列(103)和所述域字符序列(104)用于恶意FQDN(101)的概率。
7.根据权利要求4-6中任一项所述的设备(100),其特征在于,还用于:
计算所述公共后缀序列(103)被域名生成算法使用的概率。
8.根据权利要求4-6中任一项所述的设备(100),其特征在于,用于:
接收用于学习所述确定的先前事件的训练集作为输入。
9.根据权利要求7所述的设备(100),其特征在于,用于:
接收用于学习所述确定的先前事件的训练集作为输入。
10.根据权利要求1至6中任一项所述的设备(100),其特征在于,当用于对所述域字符序列(104)进行处理时,所述设备(100)用于:
根据所述域字符序列(104)中的一个或多个下一个字符的似然计算所述域字符序列(104)用于恶意FQDN(101)的概率。
11.根据权利要求1至6中任一项所述的设备(100),其特征在于,当用于判断所述FQDN(101)是否恶意时,所述设备(100)用于:
对所述合并的结果(107)进行分类。
12.根据权利要求7所述的设备(100),其特征在于,当用于判断所述FQDN(101)是否恶意时,所述设备(100)用于:
对所述合并的结果(107)进行分类。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为云计算技术有限公司,未经华为云计算技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201880093939.3/1.html,转载请声明来源钻瓜专利网。