申请/专利权人：浙江大学

申请日：2024-01-04

公开（公告）日：2024-04-05

公开（公告）号：CN117834278A

主分类号：H04L9/40

分类号：H04L9/40;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于神经网络的恶意DNS流量检测方法及装置，首先获取原始的DNS数据，将DNS数据流特征序列编码转化为向量；基于权威白名单域名数据对编码后的DNS数据进行清理；然后将DNS请求时间序列转换为频域序列，并对每一个请求进行离散傅立叶变换，再将频域序列转换为功率谱密度向量，表示为时间频率下事件发生率的强度；功率谱密度向量进行归一化后，输入卷积神经网络进行分类，得到DNS域名查询是否由恶意程序发送请求的结果。与其他恶意领域检测方法相比，本发明方法不需要大量多样的特征，也不需要引入各种机器学习算法来分析特征，也无需分析恶意样本，提高了检测结果的鲁棒性，减少了资源开销。

主权项：1.一种基于神经网络的恶意DNS流量检测方法，其特征在于，该方法包括以下步骤：S1：获取原始的DNS数据，将DNS数据流特征序列编码转化为向量；S2：基于权威白名单域名数据对编码后的DNS数据进行清理；S3：将DNS请求时间序列转换为频域序列，并对每一个请求进行离散傅立叶变换，再将频域序列转换为功率谱密度向量，表示为时间频率下事件发生率的强度；S4：功率谱密度向量进行归一化后，输入卷积神经网络进行分类，得到DNS域名查询是否由恶意程序发送请求的结果。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于神经网络的恶意DNS流量检测方法及装置

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