基于CNN卷积神经网络的域名检测论文的对应PPT讲解

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