融合异构图网络与大语言模型推理的恶意域名检测方法

摘要

针对域名系统中基于黑名单与静态特征的方法难以有效应对复杂攻击手段的问题，提出一种融合异构图网络与大语言模型推理的恶意域名检测方法。该方法先构建包含域名、互联网协议、规范名称及注册者等实体的异构信息网络，再在此基础上构建基于元路径的多头图注意力网络，动态量化不同语义空间的邻居权重，并通过多层聚合挖掘节点的结构化关联。最后，引入大语言模型作为推理引擎，计算结构与语义特征的匹配度，输出决策置信度评分，实现对潜在恶意域名的推理与分类，并最终根据证据生成判决报告。实验结果表明，与主流图模型及纯文本方法对比，所提方法对恶意域名检测的准确率达到92.58%，冷启动检测准确率为79.22%，证实了该方法的有效性。

关键词

域名检测 / 异构信息网络 / 图注意力网络 / 大语言模型 / 协同推理

基金资助

国家自然科学基金项目（62502182）; 山东省自然科学基金项目（ZR2023QF096）; 泰山学者工程项目（tstp20240828、tsqnz20221146）