龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国科学院计算机网络信息中心
摘要：本发明属于恶意域名检测技术领域，为解决现有技术对新的恶意域名识别率较低的技术问题，本发明提供一种基于多类特征的恶意域名识别方法，从包括恶意域名与正常域名的域名数据集中提取多类特征，并将同类特征组合成相应的训练集；多类特征包括IP通信流特征，IP通信流特征反应了域名的通信行为；为各类特征匹配相应的基分类器，并采用相应的训练集训练各个基分类器；采用训练完成后的各个基分类器对相应的训练集进行预测，并输出预测结果；将各个基分类器的预测结果组成新训练集，训练元分类器；将训练完成的基分类器与训练完成的元分类器集成为集成学习分类器，采用集成学习分类器对待测域名进行分类识别。本发明提高了识别率，降低了训练成本。
主权项：1.一种基于多类特征的恶意域名识别方法，其特征在于，包括如下步骤：从包括恶意域名与正常域名的域名数据集中提取多类特征，并将同类特征组合成相应的训练集；所述多类特征包括IP通信流特征，所述IP通信流特征反应了域名的通信行为；为各类特征匹配相应的基分类器，并采用相应的训练集训练各个基分类器；采用训练完成后的各个基分类器对相应的训练集进行预测，并输出预测结果；将各个基分类器的预测结果组成新训练集，采用所述新训练集训练元分类器；将训练完成的基分类器与训练完成的元分类器集成为集成学习分类器，采用所述集成学习分类器对待测域名进行分类识别。
全文数据：
权利要求：
百度查询： 中国科学院计算机网络信息中心 基于多类特征的恶意域名识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号