應用深度學習發掘潛在惡意域名

近年來網路攻擊者利用DNS（Domain Name System）服務動態改變攻擊所使用之網址或中繼站，以增加攻擊的彈性並降低連線被封鎖的可能性，因此如何有效偵測潛在惡意域名是防禦攻擊的重要議題。本研究結合深度學習方法自動尋找人所難以找出之特徵並進行分類，以發掘新形態之惡意域名，除避免駭客因掌握特徵而刻意規避進行攻擊外，更能偵測尚未被揭露的惡意域名。本研究使用真實環境場域下的資料集實作LSTM（Long Short-Term Memory Networks）、CNN（Convolutional Neural Networks）兩種深度學習模型，實驗結果AUC達0.95且準確度達0.90，並與傳統方法決策樹（Decision Tree）、Bigram比較分析其有效性，結果顯示此研究具有實用價值，可協助資安人員找出潛在惡意域名。