申请/专利权人：兰州理工大学

申请日：2020-07-16

公开（公告）日：2020-11-13

公开（公告）号：CN111935099A

主分类号：H04L29/06(20060101)

分类号：H04L29/06(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的视为撤回

法律状态：2022.04.01#发明专利申请公布后的视为撤回;2020.12.01#实质审查的生效;2020.11.13#公开

摘要：本发明公开了一种基于深度降噪自编码网络的恶意域名检测方法，包括步骤：构造单层自编码网络，将输入数据压缩后重构输出，通过输入与输出数据之间的误差，训练单层自编码网络；在单层自编码网络的输入数据中加入噪声，通过学习输入数据与输出数据之间的误差，去除噪声，形成单层降噪自编码网络；通过叠加多个单层降噪自编码网络，构造深度降噪自编码网络；逐层训练深度降噪自编码网络，对域名的分布式表征进行逐层压缩，提取域名的多维字符特征；根据深度降噪自编码网络提取的域名的多维字符特征，使用随机森林分类算法对待测域名进行检测，识别其中的恶意域名。本发明可以实现广谱恶意域名的检测，具有检测精度高、误报与漏报率低等优点。

主权项：1.一种基于深度降噪自编码网络的恶意域名检测方法，其特征在于，包括步骤S1：将域名的分布式表征作为输入，构造单层自编码网络，将输入数据压缩后重构输出，通过输入与输出数据之间的误差，训练单层自编码网络；S2：在单层自编码网络的输入数据中加入噪声，通过学习输入数据与输出数据之间的误差，去除噪声，形成单层降噪自编码网络；S3：通过叠加多个单层降噪自编码网络，构造深度降噪自编码网络；S4：逐层训练深度降噪自编码网络，对域名的分布式表征进行逐层压缩，提取域名的多维字符特征；S5：根据深度降噪自编码网络提取的域名的多维字符特征，使用随机森林分类算法对待测域名进行检测，识别其中的恶意域名。

全文数据：

权利要求：

百度查询： 兰州理工大学 一种基于深度降噪自编码网络的恶意域名检测方法

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