没有合适的资源?快使用搜索试试~ 我知道了~
基于CNN卷积神经网络的域名检测论文的对应PPT讲解
需积分: 5 0 下载量 45 浏览量
2024-05-11
15:26:50
上传
评论
收藏 1.68MB PPTX 举报
温馨提示
试读
27页
该ppt上,使用的CNN卷积神经网络,应用场景基于区块链恶意域名系统,可以通过CNN卷积神经网络对区块链域名系统中的恶意域名进行检测分类,根据不同的特征区别,将良好域名与恶意域名进行对比,提取出域名之间区分的特征,最后提取特征,做二分类F1-score,得出两个分类,分别是良好域名和恶意域名。 提出了一种检测恶意区块链域名的新型方法.通过对恶意区块链域名的资源记录和流量行为深度分析,从多个维度提取域名的特征,并对特征进行归一化处理,最后将特征向量输入到卷积神经网络训练分类模型来检测恶意区块链域名.实验结果表明,与现有方法相比,对恶意区块链域名的检测取得较好效果,F1_Score为0.9883,AUC 达到0.9886,并且能够发现更多的未知恶意区块链域名 论文贡献: 1.提出了一种新型的恶意区块链域名检测方法,该方法采用卷积神经网络对 域名特征进行转换,从多角度描述域名特征,进而检测恶意区块链域名; 2.通过深入分析僵尸网络的特点,挖掘恶意区块链域名的流行行为以及静态特征,从3个角度提取域名的24个统计特征. 关键词 恶意区块链域名;卷积神经网络;僵尸网络;深度学习;域名系统
资源推荐
资源详情
资源评论
论文讲解
汇报人:xxx
目录
研究背景
研究方法
实验分析
结论
01
02
03
04
CONTENTS
https://www.ypppt.com/
01
01
研究背景
CONTENTS
摘要
PPT下载 http://www.ypppt.com/xiazai/
摘 要 随着区块链域名解析技术的成熟,区块链域名已被应用于恶意代码的控
制系统.为了高效检测恶意区块链域名,提出了一种检测恶意区块链域名的
新型方法.通过对恶意区块链域名的资源记录和流量行为深度分析,从多个
维度提取域名的特征,并对特征进行归一化处理,最后将特征向量输入到卷
积神经网络训练分类模型来检测恶意区块链域名.实验结果表明,与现有方
法相比,对恶意区块链域名的检测取得较好效果,F1_Score为0.9883,AU
C 达到0.9886,并且能够发现更多的未知恶意区块链域名.
关键词 恶意区块链域名;卷积神经网络;僵尸网络;深度学习;域名系统
基于卷积神经网络的恶意区块链域名检测方法
论文背景
PPT下载 http://www.ypppt.com/xiazai/
互联网的发展给人们带来便利的同时,也存在着一些安全 风
险,如钓鱼网站、垃圾邮件等,其中僵尸网络的威胁尤为巨大.随
着区块链技术的普及和应用,区块链域名系统(BDN)应运而生并
逐渐被广泛采用,一些僵尸网络开始采用区块链域名来托管命令控
制服务器进而实施恶意活动。
利用BDN从事恶意活动,可以躲避传统恶意域名检测方法的检测
,这为僵尸网络实施恶意活动提供了新的方式,给网络安全带来新
的威胁。
剩余26页未读,继续阅读
资源评论
AJiang学chainblock
- 粉丝: 105
- 资源: 2
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- (完整)数据库课程设计餐厅点餐说明书-21ab6d3c8beb172ded630b1c59eef8c75ebf952c.doc
- 2023-04-06-项目笔记 - 第一百五十四阶段 - 4.4.2.152全局变量的作用域-152 -2024.06.04
- 松哥解协议松哥解协议松哥解协议松哥解协议松哥解协议
- 618节日618节日618节日
- tensorflow-gpu-2.9.1-cp37-cp37m-win-amd64.whl
- tensorflow-gpu-2.9.0-cp37-cp37m-win-amd64.whl
- tensorflow-gpu-2.9.0-cp39-cp39-win-amd64.whl
- lcd daimalcd daima
- 电影领域-推荐算法-个性化内容-观影决策-电影推荐小程序.zip
- 电气控制PLC考试题库
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功