[发明专利]一种基于自反馈学习的大规模恶意域名检测系统及方法

摘要

本发明公开了一种基于自反馈学习的大规模恶意域名检测系统及方法，涉及计算机网络安全技术领域。针对现有的检测技术在海量数据处理以及检测模型更新上的不足，设计并实现了适用于大规模数据的恶意域名实时检测系统，创新性提出抽取小数据集验证更新的做法，提升在线学习的效率。核心算法包括在海量实时域名检测中应用基于支持向量机SVM检测恶意域名的算法、基于自反馈学习的在线学习算法fSVM和自动标定算法。经理论论证与实验验证，本发明所提算法在面对新出现的恶意域名时能够及时响应，并且有着出色的运行效率。本发明还实现了检出域名的进一步分析，对域名相关的威胁情报感知有着启示作用。

主权项

1.一种基于自反馈学习的大规模恶意域名检测系统，其特征在于，包括用户端、云端检测平台和web端；所述用户端被设置在企业的流量出口处，用于将企业DNS解析器中的DNS流量数据实时地传递给所述云端检测平台；所述云端检测平台完成对所述DNS流量的特征提取，检测模型训练以及更新，对数据流的并行检测，以及将检测结果传递给所述Web端进行实时展示；所述Web端被配置为用于展示所述检测成果，向用户提供基础的恶意域名检测数量，以及实时检测排名，同时提供以IP为线索查询恶意域名的数据接口，并通过对检出的所述恶意域名再次聚类，展示所述恶意域名的目的以及威胁。