基于改进的CNN-LSTM的DGA域名检测算法

近年来，网络安全问题层出不穷，其中僵尸网络是造成网络瘫痪的重要原因之一。僵尸网络利用域名生成算法（DGA）生成大量恶意域名进行网络攻击，对网络安全造成威胁。现有的DGA域名主要分为字典型和字符型，传统的深度学习方法无法同时检测出两种类型的DGA域名，尤其是无法检测出基于字典的DGA域名。针对这个问题，本文提出了改进的CNN-LSTM的DGA域名检测算法，该算法融合了卷积神经网络（CNN）、注意力机制和双向长短时记忆网络（BiLSTM），可以同时检测出两种类型的DGA域名。最后进行了不同算法的对比实验，实验结果表明，与其他深度学习模型相比，该算法提高了DGA域名的二分类和多分类的准确率和F1值。在多分类实验中，通过改进损失函数，提高了小样本数据的域名检测率。

A DGA Domain Name Detection Algorithm Based on the Improved CNN-LSTM