基于分层注意力的多家族小样本恶意域名检测

摘要

提出一种基于分层注意力的多家族小样本恶意域名检测方法.首先，利用共享权重的Vgg-16网络将支持域名集和查询域名集映射到深度特征空间，并逐层计算支持分支和查询分支内的自注意力；然后，利用分支内的自注意力构建跨分支间的交叉注意力，挖掘双分支输入域名集的共有语义，强化语义表达的鲁棒性；最后，借助全连接层将交叉注意力特征映射到同一标签分布空间，并利用Softmax函数计算向量所属的类标签得分.通过在小样本家族域名集上进行合法域名与恶意域名的二分类测试及恶意域名细粒度多分类测试，所提出模型的二分类识别准确率达到0.980 4,28个家族恶意域名细粒度平均识别准确率达到0.945 4,效果优于同类对比模型，具有一定的实际应用价值.

关键词

恶意域名检测 / 多家族恶意域名 / 自注意力 / 交叉注意力 / 分层注意力

基金资助

2021年中央高校基本科研业务项目(2021TJJBKY005)