[发明专利]基于SVM机器学习的恶意域名检测方法在审
| 申请号： | 201910971102.0 | 申请日： | 2019-10-14 |
| 公开（公告）号： | CN110866611A | 公开（公告）日： | 2020-03-06 |
| 发明（设计）人： | 温延龙;范渊 | 申请（专利权）人： | 杭州安恒信息技术股份有限公司 |
| 主分类号： | G06N20/10 | 分类号： | G06N20/10;H04L29/06;H04L29/12 |
| 代理公司： | 杭州中成专利事务所有限公司 33212 | 代理人： | 金祺;周世骏 |
| 地址： | 310051 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 svm 机器 学习 恶意 域名 检测 方法 | ||
1.基于SVM机器学习的恶意域名检测方法，其特征在于：包括以下步骤：
1)、收集数据；
2)、确定需要的维度；
3)、获得收集数据的维度，作为训练集数据；
4)、利用SVM模型对训练集数据进行训练生成模型；
5)、测试训练结果调整准确率。
2.根据权利要求1所述的基于SVM机器学习的恶意域名检测方法，其特征在于：
在步骤1中：获取恶意域名作为收集数据的负样本；获取非恶意域名作为收集数据的正样本。
3.根据权利要求2所述的基于SVM机器学习的恶意域名检测方法，其特征在于：
确定维度包括域名的Alexa排名、搜狗RanK、搜狗的域名收入量、百度的收入量、必应的收入量、网站的首页完整度、是否是主流域名后缀、域名IP解析地理位置、A记录与CNAME、域名WHOIS数据。
4.根据权利要求3所述的基于SVM机器学习的恶意域名检测方法，其特征在于：
收集10种维度数据的方式：
Alexa排名:通过接口获取域名的排行，如果没有排行设置为较大值；
搜狗RanK：搜狗RanK值越大网站越大；没有搜狗RanK的设为0；
搜狗的域名收入量：通过搜狗搜索引擎获取域名收入量；没有收入量设为0；
百度的域名收入量：通过百度搜索引擎获取域名收入量；没有收入量设为0；
网站首页的完整度：判断网页首页是否包含<html><script><table><title><img><link><a><body><css>，越完整分数越高累加，首页为空则为0；
是否主流域名后缀：主流域名的主流后缀为.com、.net.、.cn；
域名解析IP地理位置：域名是否在国外；
A记录CNAME：有A记录CNAME的记1，没有的记为0；
域名WHOIS:有WHOIS并且是匿名注册的记0，有WHOIS并且不是匿名注册的记1；
必应的收入量：通过必应搜索引擎获取域名收入量，没有收入量设为0。
5.根据权利要求4所述的基于SVM机器学习的恶意域名检测方法，其特征在于：
步骤4包括：
4.1)、首先载入训练集数据；
4.2)、训练集数据数据归一化，得到归一化之后的数据；将数据缩小至方差为1均值0的数组；
4.3)、将归一化之后的数据划分为训练样本和测试样本，将训练样本放入SVM算法中进行训练，利用训练样本进行模型的验证，使用SVM算法进行模型的训练。
6.根据权利要求5所述的基于SVM机器学习的恶意域名检测方法，其特征在于：
步骤5)、测试训练结果调整准确率的方法包括：
1：利用模型对数据进行识别，将识别结果重新放入训练样本进行训练，加训练样本；
2：利用交叉验证的方法，设置模型的参数进行验证，计算模型的最优解参数，根据最优解对数据进行重新模型的训练。
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杭州安恒信息技术股份有限公司，未经杭州安恒信息技术股份有限公司许可，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/201910971102.0/1.html，转载请声明来源钻瓜专利网。
