申请/专利权人：深圳大学

申请日：2024-04-11

公开（公告）日：2024-06-18

公开（公告）号：CN118041698B

主分类号：H04L9/40

分类号：H04L9/40;H04L61/4511;H04L12/46;G06F18/241;G06N3/0442;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本申请提出了一种DNS隐蔽隧道检测方法、装置及存储介质，能够提升检测DNS隐蔽隧道的准确性和适用性，该方法包括：获取DNS流量集；采用指定的流量帧表征方法，将DNS流量集中的各DNS流量表征为十进制数值序列；为各十进制数值序列添加标签；将各添加标签后的十进制数值序列的长度处理为固定长度，得到各处理后的十进制数值序列；构建输入参数为十进制数值序列，输出参数为DNS流量的预测分类结果的PFEC‑LSTM模型；基于各处理后的十进制数值序列，对PFEC‑LSTM模型进行训练，得到训练好的PFEC‑LSTM模型；利用训练好的PFEC‑LSTM模型对DNS隐蔽隧道进行检测。

主权项：1.一种DNS隐蔽隧道检测方法，其特征在于，包括：获取DNS流量集，所述DNS流量集包括DNS隐蔽隧道流量和DNS正常流量；采用指定的流量帧表征方法，将所述DNS流量集中的各DNS流量表征为十进制数值序列；为各所述十进制数值序列添加标签，所述标签用于表示各所述十进制数值序列所表征的DNS流量为DNS隐蔽隧道流量或DNS正常流量；将各添加标签后的十进制数值序列的长度处理为固定长度，得到各处理后的十进制数值序列；构建输入参数为十进制数值序列，输出参数为DNS流量的预测分类结果的PFEC-LSTM模型，所述PFEC-LSTM模型包括基于CNN的多尺度卷积特征提取层和基于添加注意力机制的BiLSTM的检测分类层，所述多尺度卷积特征提取层用于提取输入参数的空间特征，所述检测分类层用于对所述空间特征进行时间序列分析，得到输入参数的预测分类结果；其中，PFEC-LSTM是指PcapFeaturesExtractionCNN-LSTM；基于各所述处理后的十进制数值序列，对所述PFEC-LSTM模型进行训练，得到训练好的PFEC-LSTM模型；利用所述训练好的PFEC-LSTM模型对DNS隐蔽隧道进行检测；其中，所述多尺度卷积特征提取层包括：嵌入层、卷积层和特征融合处理层；所述嵌入层用于将所述PFEC-LSTM模型的输入参数映射到低维连续的向量空间中，得到嵌入向量；所述卷积层用于按照设定的卷积核，基于所述嵌入向量，生成若干个特征矩阵；所述特征融合处理层用于将所述若干个特征矩阵进行拼接融合，得到所述空间特征；其中，所述检测分类层包括：BiLSTM层、注意力机制层和全连接层；所述BiLSTM层用于对所述空间特征进行时间序列分析，得到分析结果，所述BiLSTM层包括独立的两个LSTM层，一个所述LSTM层用于按照时间顺序对所述空间特征进行分析，另一个所述LSTM层用于按照相反的时间顺序对所述空间特征进行分析，所述BiLSTM层最终的隐藏状态为两个所述LSTM层的拼接；所述注意力机制层用于对所述分析结果进行注意力分布加权平均处理，得到处理结果；所述全连接层用于基于所述处理结果生成所述输入参数的预测分类结果，所述全连接层为两层，一层所述全连接层用于将所述处理结果的输出维度降到64后，再交由另一层所述全连接层将输出维度降到1，最后再使用sigmoid作为激活函数，基于最后的输出生成预测分类结果。

全文数据：

权利要求：

百度查询： 深圳大学 一种DNS隐蔽隧道检测方法、装置及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD