[發(fā)明專利]相似域名查找方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202011232693.9
• 申請(qǐng)日: 2020-11-06
• 公開（公告）號(hào): CN112256838A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計(jì)）人: 李曉東;王偉;彭博韜;張寧;楊國(guó)強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 山東伏羲智庫(kù)互聯(lián)網(wǎng)研究院;伏羲科技（菏澤）有限公司
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F16/31;G06F16/35;G06F40/253
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王宇楊

本發(fā)明實(shí)施例提供一種相似域名查找方法、裝置及電子設(shè)備，該方法包括：獲取待查域名；提取待查域名的文本特征，并對(duì)文本特征進(jìn)行向量化表示，得到待查域名特征向量；對(duì)待查域名特征向量進(jìn)行編碼，并根據(jù)編碼結(jié)果從預(yù)設(shè)的全量域名數(shù)據(jù)庫(kù)中匹配出目標(biāo)域名特征向量組，其中，全量域名數(shù)據(jù)庫(kù)中包括根據(jù)域名特征向量編碼結(jié)果進(jìn)行分類的多個(gè)域名特征向量組；計(jì)算待查域名特征向量與目標(biāo)特征向量組中每一個(gè)域名特征向量之間的距離，并根據(jù)距離得到待查域名的相似域名。本方法將域名間相似性計(jì)算，轉(zhuǎn)換成特征向量之間相似性的比較，具體轉(zhuǎn)換成待查域名特征向量和目標(biāo)域名特征向量組中每一個(gè)域名特征向量之間距離的計(jì)算，降低了計(jì)算難度，提升了計(jì)算速度。

技術(shù)領(lǐng)域

本發(fā)明涉及域名解析服務(wù)技術(shù)領(lǐng)域，尤其涉及一種相似域名查找方法、裝置及電子設(shè)備。

背景技術(shù)

在當(dāng)前的網(wǎng)絡(luò)信息時(shí)代，域名服務(wù)器(Domain Name Server，簡(jiǎn)稱DNS)每天需要解析數(shù)十億到上百億條的域名請(qǐng)求，其中不乏網(wǎng)絡(luò)威脅和網(wǎng)絡(luò)攻擊行為。因此，為了提升網(wǎng)絡(luò)訪問(wèn)的安全性，需要基于域名解析歷史記錄對(duì)大量甚至海量的域名數(shù)據(jù)進(jìn)行數(shù)據(jù)分析。但是，由于域名是由字符串組成的，往往域名長(zhǎng)短不一、無(wú)意義詞較多，域名解析出的IP地址不固定，且域名之間的相似度難以直接定義。因此，對(duì)域名數(shù)據(jù)進(jìn)行的數(shù)據(jù)分析中，直接計(jì)算域名間的相似性尤其不易。

而近年來(lái)，從計(jì)算機(jī)視覺到自然語(yǔ)言處理再到時(shí)間序列預(yù)測(cè)，神經(jīng)網(wǎng)絡(luò)及深度學(xué)習(xí)技術(shù)的應(yīng)用越來(lái)越廣泛。故而有些研究者將神經(jīng)網(wǎng)絡(luò)及深度學(xué)習(xí)技術(shù)應(yīng)用到了域名間相似性計(jì)算的過(guò)程中來(lái)。但是，由于域名數(shù)據(jù)往往是海量的、復(fù)雜多變的，因此，一般的應(yīng)用手段，對(duì)于海量域名數(shù)據(jù)相似性計(jì)算的執(zhí)行效率非常低。進(jìn)一步說(shuō)明，比如：

現(xiàn)有方案一：

收集DNS查詢數(shù)據(jù)并進(jìn)行預(yù)處理，構(gòu)建域名詞表和用戶訪問(wèn)域名序列；經(jīng)過(guò)預(yù)處理的數(shù)據(jù)傳入無(wú)監(jiān)督模型Skip gram，設(shè)置相關(guān)參數(shù)，通過(guò)Skip gram模型訓(xùn)練域名向量；通過(guò)域名向量計(jì)算域名間的相似度，分析用戶行為偏好。

該現(xiàn)有方案一，所用的Skip gram模型，屬于比較老的模型，其特征表現(xiàn)能力差，不能適應(yīng)于當(dāng)前針對(duì)海量域名數(shù)據(jù)進(jìn)行域名間相似性計(jì)算的過(guò)程。而且，Skip gram模型在每次應(yīng)用前必須要自己訓(xùn)練，而其訓(xùn)練過(guò)程在大數(shù)據(jù)集上非常耗時(shí)耗力，普遍應(yīng)用性不強(qiáng)。該方案尋找最相似域名向量時(shí)，需要對(duì)全數(shù)據(jù)集中的所有向量進(jìn)行相似性計(jì)算和比較，其必須順序地遍歷掃描全數(shù)據(jù)集中所有向量，才能定位距離最小向量，而在全數(shù)據(jù)集特別大的情況下，該種操作是非常耗時(shí)耗力的，也會(huì)導(dǎo)致計(jì)算速度過(guò)慢，且計(jì)算結(jié)果準(zhǔn)確性差。

現(xiàn)有方案二：

根據(jù)DNS服務(wù)器日志采集大量互聯(lián)網(wǎng)網(wǎng)站的原始描述信息作為網(wǎng)站數(shù)據(jù)集，并進(jìn)行預(yù)處理和人工打標(biāo)簽，然后提取用于輸入深度學(xué)習(xí)模型的每個(gè)網(wǎng)站的高維特征向量表示，并對(duì)每個(gè)網(wǎng)站增加對(duì)應(yīng)的網(wǎng)站類別標(biāo)簽，并轉(zhuǎn)化為類別向量；高維特征向量表示作為深度學(xué)習(xí)模型的輸入，類別向量作為深度學(xué)習(xí)模型的輸出，使用Adam梯度下降算法優(yōu)化器監(jiān)控訓(xùn)練基于LSTM的循環(huán)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)模型；在已訓(xùn)練好的LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)模型后再增加一層SoftMax回歸，完成分類算法。

該現(xiàn)有方案二，是一種端到端的深度學(xué)習(xí)分類算法，必須要對(duì)訓(xùn)練集進(jìn)行標(biāo)注，其不適于大量無(wú)標(biāo)注數(shù)據(jù)的分析，其應(yīng)用存在著很大的局限性。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明實(shí)施例提供了一種相似域名查找方法、裝置及電子設(shè)備。

第一方面，本發(fā)明實(shí)施例提供了一種相似域名查找方法，包括：

獲取待查域名；

提取所述待查域名的文本特征，并對(duì)所述文本特征進(jìn)行向量化表示，得到待查域名特征向量；