买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中山大学

摘要：本发明公开了一种基于多通道图卷积的恶意域名检测方法及系统，涉及网络安全技术领域。所述方法包括：提取DNS解析日志，生成三元组；基于三元组构建域名在多通道空间内的关联关系图；获取完成训练的深度学习网络模型，所述深度学习网络模型包括图卷积神经网络、Attention层和全连接神经网络；根据域名在多通道空间内的关联关系图及域名的向量，基于图卷积神经网络生成域名在多通道空间内的图嵌入向量；将域名的图嵌入向量输入Attention层进行特征选择，将多通道空间内的图嵌入向量聚合为维度相同的单个特征向量序列；将特征向量序列输入全连接神经网络中，得到域名的分类结果。相较于现有技术，本发明摆脱了对手工设计特征的依赖，提高了检测精度及鲁棒性。

主权项：1.一种基于多通道图卷积的恶意域名检测方法，其特征在于，包括：提取DNS解析日志，生成代表域名、IP、CNAME三类数据关系的三元组，将三元组中的域名和CNAME转化为向量表示；基于三元组构建域名在多通道空间内的关联关系图，包括特征关联图和拓扑关联图；获取完成训练的深度学习网络模型，所述深度学习网络模型包括与通道空间数量相一致的图卷积神经网络、一个Attention层和一个全连接神经网络；其中，所述图卷积神经网络的输出端与Attention层的输入端相连，所述Attention层的输出端与全连接神经网络的输入端相连；根据域名在多通道空间内的关联关系图及域名的向量，基于图卷积神经网络生成域名在多通道空间内的图嵌入向量；所述多通道空间内的图嵌入向量包括域名在特征空间和拓扑空间的图嵌入向量；将域名在多通道空间内的图嵌入向量输入Attention层进行特征选择，将多通道空间内的图嵌入向量聚合为维度相同的单个特征向量序列；将特征向量序列输入全连接神经网络中，得到域名的分类结果；其中，所述分类结果包括恶性域名类和良性域名类；其中，所述基于三元组构建域名在多通道空间内的关联关系图，包括：提取所有三元组中域名和CNAME作为域名序列，丢弃其中的重复值，以剩余的域名序列作为特征空间内的关联关系图的节点；对于任一域名，采用KNN算法，计算当前域名与其他域名间的距离度量，选取距离最近的预设数量的域名与当前域名构建关联关系，在其间各添加一条边，代表它们之间的相似关系；当所有域名的边均构建完后，输出生成的无向图，完成特征空间内的关联关系图构建，即特征关联图；提取所有三元组中域名和CNAME作为域名序列，丢弃其中的重复值，以剩余的域名序列作为拓扑空间内的关联关系图的节点；对比检查任两个三元组，判断是否存在两个域名解析至同一IP、两个域名解析至同一CNAME、或两个CNAME解析至同一IP：若是，在对应两个三元组的域名或CNAME之间增加一条边；否则，不进行操作；直至检查完所有三元组，输出生成的无向图，完成拓扑空间内的关联关系图的构建，即拓扑关联图。

全文数据：

权利要求：

百度查询： 中山大学 一种基于多通道图卷积的恶意域名检测方法及系统