基于深度学习算法的DGA域名检测方法及系统

    公开(公告)号:CN113726730A

    公开(公告)日:2021-11-30

    申请号:CN202110792490.3

    申请日:2021-07-14

    Abstract: 本发明提供了基于深度学习算法的DGA域名检测方法及系统,方法包括对获取的DGA域名数据进行预处理,将DGA域名数据形成字符嵌入向量序列;获取所述字符嵌入向量序列中的局部特征向量和全局特征向量,并将所述局部特征向量和全局特征向量进行拼接,得到DGA域名表示向量;基于多层感知机层的神经网络,对所述DGA域名表示向量进行多层传递,得到DGA域名所属类别的概率值。本发明以域名字符串数据为基础,引入一维卷积神经网络和自注意力机制,分别用来获取域名字符串中的局部特征向量和全局特征向量,并形成域名表示向量,对域名表示向量进行多层传递,得到DGA域名所属类别的概率值,相比于现有方法,具有更加优异的准确率和召回率。

    一种恶意代码溯源方法、系统、设备及存储介质

    公开(公告)号:CN115906083A

    公开(公告)日:2023-04-04

    申请号:CN202211489368.X

    申请日:2022-11-25

    Abstract: 本申请实施例提供了一种恶意代码溯源方法、系统、设备及存储介质,用以解决现有的APT恶意代码攻击溯源分析准确率较低的技术问题。方法包括:实时收集正在进行攻击的APT恶意代码组织数据;将所述正在进行攻击的APT恶意代码组织数据输入预先训练的恶意代码组织溯源模型中,输出预测的APT恶意代码组织溯源结果;其中,所述恶意代码组织溯源模型是通过反汇编语言训练的。本申请将实时攻击的恶意代码转化为Asm2Vec函数所需类型,语义表示学习模型Asm2Vec揭示恶意代码汇编语言之间语义关系,不需要任何先验知识,也不需要数据之间的正确映射。只需在向量库中搜索即可实现同源分析,以针对特定组织的攻击实时精确防御。

Patent Agency Ranking