%A 刘洋,赵科军,葛连升,刘恒 %T 一种基于深度学习的快速DGA域名分类算法 %0 Journal Article %D 2019 %J 《山东大学学报(理学版)》 %R 10.6040/j.issn.1671-9352.0.2019.249 %P 106-112 %V 54 %N 7 %U {http://lxbwk.njournal.sdu.edu.cn/CN/abstract/article_3119.shtml} %8 %X 提出了一种基于深度学习的CNN-LSTM-Concat快速DGA域名分类算法,使用多层一维卷积网络对域名字符进行序列化处理,LSTM网络层用于强化获取字符间长距离依赖关系。通过将LSTM的多序列输入转化为单向量输入,在保证检测性能的前提下,能够大幅提高训练和检测速度。实验证明,我们的方法对DGA域名分类的准率在公开数据集上达到98.32%。同时,在准确率相比主流的LSTM方法更高的情况下,检测时间比LSTM方法快6.41倍。