[发明专利]域名检测方法、域名检测装置和设备以及介质

说明书

本申请提供了一种域名检测方法、域名检测装置、域名检测设备以及计算机可读存储介质。所述域名检测方法包括：获取待检测域名；对所述待检测域名进行特征向量提取，以生成所述待检测域名的特征向量；对所述待检测域名的特征向量进行特征稀疏检测，以获得所述待检测域名的有效特征向量；基于所述有效特征向量，对所述待检测域名进行安全风险等级分类，以确定所述待检测域名的安全风险等级类别；根据所述待检测域名的安全风险等级类别，对所述待检测域名进行网页分类处理或域名风险扫描处理；以及基于所述处理的结果确定并输出所述待检测域名的检测结果。

技术领域

本申请涉及互联网领域，并且具体地涉及一种域名检测方法、域名检测装置、域名检测设备以及计算机可读存储介质。

背景技术

在如今的互联网环境中，网络安全变得日益重要，例如威胁情报的网络安全信息对于网络安全分析和运维至关重要。威胁情报，也称为IOC（Indicator of Compromise，威胁指示）情报，是一种基于证据的知识，包括了情境、机制、指标、隐含和实际可行的建议。威胁情报描述了现存的、或者是即将出现的针对资产的威胁或危险，并可以用于通知主体针对相关威胁或危险采取某种响应。目前，威胁情报主要来源于开源情报和沙箱情报，而开源情报依赖于开源数据和各大情报厂商，缺乏自主性，沙箱情报则情报类型单一、数量有限。域名检测可以用于获取威胁情报，然而，当前域名检测常依赖于人工鉴定，效率低下，难以处理大量的域名数据。因此，需要一种能够高效准确地进行域名检测的方法。

近年来，机器学习技术快速发展。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。机器学习技术给域名检测提供了新的思路。

发明内容

为了克服现有技术中存在的缺陷，本申请提出了一种域名检测方法、域名检测装置、域名检测设备以及计算机可读存储介质。

根据本申请的一个方面，提供了一种域名检测方法，包括：获取待检测域名；对所述待检测域名进行特征向量提取，以生成所述待检测域名的特征向量；对所述待检测域名的特征向量进行特征稀疏检测，以获得所述待检测域名的有效特征向量；基于所述有效特征向量，对所述待检测域名进行安全风险等级分类，以确定所述待检测域名的安全风险等级类别；根据所述待检测域名的安全风险等级类别，对所述待检测域名进行网页分类处理或域名风险扫描处理；以及基于所述处理的结果确定并输出所述待检测域名的检测结果。

根据本申请的一个示例，其中，所述安全风险等级类别是黑域名、白域名和灰域名中的一个，并且其中，黑域名为安全风险高的域名，白域名为安全风险低的域名，灰域名为安全风险处于黑域名和白域名之间的域名。

根据本申请的一个示例，其中，对所述待检测域名进行特征向量提取，以生成所述待检测域名的特征向量包括：提取所述待检测域名的域名字符特征、样本关联特征、域名属性特征和网络访问特征中的至少一部分特征，作为所述待检测域名的特征数据；以及利用所述待检测域名的特征数据，生成所述特征向量。

根据本申请的一个示例，其中，对所述待检测域名进行特征向量提取，以生成所述待检测域名的特征向量包括：利用图形数据库对所述域名进行分析，以提取所述待检测域名的特征向量，其中，所述图形数据库存储域名与其特征向量的对应关系。

根据本申请的一个示例，其中，对所述待检测域名的特征向量进行特征稀疏检测，以获得所述待检测域名的有效特征向量包括：确定所述待检测域名的特征向量是否稀疏；以及在确定所述特征向量不稀疏的情况下，确定所述特征向量为有效特征向量；在所述特征向量稀疏的情况下，丢弃所述特征向量，其中，所述稀疏指示所述待检测域名在预定时间段内未被访问、被解析且被浏览过。