dga_detect_with_lstm

功能

• 构建深度学习模型对dga模型进行检测

dga

近年来, 僵尸网络控制者为了躲避打击、确保僵尸网络控制通道畅通, 普遍采用一种名为DGA（Domain Generation Algorithm）的域名生成算法。 采用这种算法后, 黑客主机不再使用唯一的固定域名, 而是在不同时间生成多组域名, 黑客只需提前注册其中的部分域名, 即可实现对僵尸网络的完整控制。 由于不清楚DGA算法的实现细节, 网络安全防护人员很难提前预测出恶意域名信息, 对僵尸网络实施有效打击也就无从谈起。因此对DGA算法进行破解, 提前预测未来所有可能出现的域名信息, 对抑制僵尸网络, 打击此类犯罪有重要意义。

模型

• 整个模型如下所示：数据处理->Embedding->LSTM->attention_tanh->Flatten->Dropout->Dense->Activation->compile->fit
• dga_train.py对域名进行训练，dga_test.py对数据进行测试

训练结果

代码简介

• model：lstm模型构建，核心层
• test_data：测试数据
• train_data：训练数据
• dga_train.py对域名进行训练
• dga_test.py对数据进行测试

所依赖的主要lib

• tensorflow 1.12.0
• Keras 2.2.4
• python 3.6.4

在跑的过程中遇到了问题，请联系

邮箱：deamoncao@163.com