[发明专利]基于SVM机器学习的恶意域名检测方法在审
| 申请号： | 201910971102.0 | 申请日： | 2019-10-14 |
| 公开（公告）号： | CN110866611A | 公开（公告）日： | 2020-03-06 |
| 发明（设计）人： | 温延龙;范渊 | 申请（专利权）人： | 杭州安恒信息技术股份有限公司 |
| 主分类号： | G06N20/10 | 分类号： | G06N20/10;H04L29/06;H04L29/12 |
| 代理公司： | 杭州中成专利事务所有限公司 33212 | 代理人： | 金祺;周世骏 |
| 地址： | 310051 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 svm 机器 学习 恶意 域名 检测 方法 | ||
本发明提供一种基于SVM机器学习的恶意域名检测方法：包括以下步骤：收集数据；确定需要的维度；获得收集数据的维度，作为训练集数据；利用SVM模型对训练集数据进行训练生成模型；测试训练结果调整准确率。本发明是一种基于SVM算法，在不依赖DNS数据的前提下，通过收集域名的各种维度的数据作为机器学习的样本，进行机器学习模型的训练，从而计算出模型来识别恶意域名。
技术领域
本发明一种基于SVM机器学习的恶意域名检测方法基于SVM算法，在不依赖DNS数据的前提下，通过收集域名的各种维度的数据作为机器学习的样本，进行机器学习模型的训练，从而计算出模型来识别恶意域名。
背景技术
随着威胁情报的不断发展，我们会很容易获取到很多的开源情报，其中包含恶意域名和IP，但是这些威胁情报域名中包含了很多误报数据，例如不少正规中小网站、过期的域名、甚至Alexa排名一千以内的都被列为恶意域名。这使得我们在使用威胁情报的时候产生了很多不可控的因素。
目前在检测恶意域名中有很多大困难，为了降低恶意域名大误报率，本发明利用SVM作为机器学习的算法，通过收集域名的各种维度数据作为训练样本，最终识别出恶意域名。
因此，需要对现有技术进行改进。
发明内容
本发明要解决的技术问题是提供一种高效的基于SVM机器学习的恶意域名检测方法。
为解决上述技术问题，本发明提供一种基于SVM机器学习的恶意域名检测方法：包括以下步骤：
1)、收集数据；
2)、确定需要的维度；
3)、获得收集数据的维度，作为训练集数据；
4)、利用SVM模型对训练集数据进行训练生成模型；
5)、测试训练结果调整准确率。
作为对本发明基于SVM机器学习的恶意域名检测方法的改进：
在步骤1中：获取恶意域名作为收集数据的负样本；获取非恶意域名作为收集数据的正样本。
作为对本发明基于SVM机器学习的恶意域名检测方法的进一步改进：
确定维度包括域名的Alexa排名、搜狗RanK、搜狗的域名收入量、百度的收入量、必应的收入量、网站的首页完整度、是否是主流域名后缀、域名IP解析地理位置、A记录与CNAME、域名WHOIS数据。
作为对本发明基于SVM机器学习的恶意域名检测方法的进一步改进：
收集10种维度数据的方式：
Alexa排名:通过接口获取域名的排行，如果没有排行设置为较大值；
搜狗RanK：搜狗RanK值越大网站越大；没有搜狗RanK的设为0；
搜狗的域名收入量：通过搜狗搜索引擎获取域名收入量；没有收入量设为0；
百度的域名收入量：通过百度搜索引擎获取域名收入量；没有收入量设为0；
网站首页的完整度：判断网页首页是否包含<html><script><table><title><img><link><a><body><css>，越完整分数越高累加，首页为空则为0；
是否主流域名后缀：主流域名的主流后缀为.com、.net.、.cn；
域名解析IP地理位置：域名是否在国外；
A记录CNAME：有A记录CNAME的记1，没有的记为0；
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州安恒信息技术股份有限公司，未经杭州安恒信息技术股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910971102.0/2.html，转载请声明来源钻瓜专利网。
