[发明专利]恶意域名检测方法、装置、电子设备及存储介质

说明书

本申请提供一种恶意域名检测方法、装置、电子设备及存储介质，涉及安全技术领域。该方法通过获取待检测域名的多个分词，将多个分词输入fastText模型中，通过fastText模型检测待检测域名是否为恶意域名，获得检测结果，由于fastText模型使用浅层的神经网络即可实现文本分类功能，在文本分类任务中，浅层网络往往能取得和深度网络相媲美的精度，所以采用fastText模型来进行恶意域名的检测，能够达到深度网络所能实现的检测精度，相比于现有方式中基于正则表达式或黑白名单的检测方式，本方案的检测精度更高。

技术领域

本申请涉及安全技术领域，具体而言，涉及一种恶意域名检测方法、装置、电子设备及存储介质。

背景技术

随着互联网技术的不断发展，网络安全问题也日益突出。目前，通过域名生成算法(Domain Generation Algorithm，DGA)可以快速地生成大量的DGA域名，通过DGA域名可以构建鲁棒性较好的僵尸网络。攻击者利用僵尸网络，可以向网络中的设备发起网络攻击。

为了提高网络安全性，需要对DGA域名进行检测，目前常用的检测技术是基于正则表达式或黑白名单来检测，但是由于DGA域名容易生成且变化较快，所以，使用预先设置的正则表达式或黑白名单对DGA域名的检测方式误报率高。

发明内容

本申请实施例的目的在于提供一种恶意域名检测方法、装置、电子设备及存储介质，用以改善现有技术中的域名检测方法误报率高、准确度低的问题。

第一方面，本申请实施例提供了一种种恶意域名检测方法，所述方法包括：

获取待检测域名；

对所述待检测域名进行分词，获得多个分词；

将所述多个分词输入fastText模型中，通过所述fastText模型检测所述待检测域名是否为恶意域名，获得检测结果。

在上述实现过程中，该方法通过获取待检测域名的多个分词，将多个分词输入fastText模型中，通过fastText模型检测待检测域名是否为恶意域名，获得检测结果，由于fastText模型使用浅层的神经网络即可实现文本分类功能，在文本分类任务中，浅层网络往往能取得和深度网络相媲美的精度，所以采用fastText模型来进行恶意域名的检测，能够达到深度网络所能实现的检测精度，相比于现有方式中基于正则表达式或黑白名单的检测方式，本方案的检测精度更高。

可选地，所述fastText模型包括输入层、隐藏层和输出层，所述多个分词作为所述输入层的输入，所述输入层用于将所述多个分词转换为对应的词向量，所述隐藏层用于对所述词向量进行叠加平均处理，所述输出层用于基于所述隐藏层的处理结果输出对所述待检测域名的检测结果。fastText模型结合了自然语言处理的思路和神经网络的分层思想，所以能够更好地提取各个分词之间的关联关系，并且能够达到神经网络的预测精度。

可选地，所述对所述待检测域名进行分词，获得多个分词，包括：

采用N-grama模型对所述待检测域名进行分词，获得多个分词。如此能够更好地对待检测域名进行分词，以利于fastText模型能够更准确地分析各个分词排列顺序的合理性以及对下一个分词出现的约束信息，具有更大的辨别力，进而提高恶意域名的检测精度。

可选地，所述对所述待检测域名进行分词，获得多个分词，包括：

采用N-grama模型对所述待检测域名进行分词，获得多个初始分词；

采用数据关联分析法分析其各个初始分词之间的关联关系；

根据各个初始分词之间的关联关系筛选出具有强关联关系的多个分词。