[發明專利]域名檢測方法、裝置、設備及介質

在審

• 申請號: 202110454316.8
• 申請日: 2021-04-26
• 公開（公告）號: CN113098896A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 李佳
• 申請（專利權）人: 中國移動通信集團陜西有限公司;中國移動通信集團有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06K9/62;G06N20/00
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 趙秀芹

1.一種域名檢測方法，其特征在于，所述方法包括：

獲取待檢測域名；

對所述待檢測域名進行特征提取，得到與所述待檢測域名對應的特征向量；

將所述特征向量輸入至基于自我學習算法訓練完成的分類器中，確定所述待檢測域名是否為目標域名。

2.根據權利要求1所述的方法，其特征在于，所述獲取待檢測域名，包括：

獲取域名系統流量日志；

根據所述域名系統流量日志的域名、源互聯網協議地址和服務器響應時間確定目標域名系統流量日志；

根據所述目標域名系統流量日志獲取待檢測域名。

3.根據權利要求1所述的方法，其特征在于，所述對所述待檢測域名進行特征提取，得到與所述待檢測域名對應的特征向量，包括：

獲取待檢測域名的域名特征，所述域名特征包括：域名系統響應率、域名訪問次數、訪問域名的源互聯網協議地址數量、域名信息查詢二值特征、域名系統服務響應時長和域名長度中的至少一項；

將所述域名特征進行標準化處理，得到標準域名特征；

基于所述標準域名特征得到所述特征向量。

4.根據權利要求1所述的方法，其特征在于，所述將所述域名特征進行標準化處理，得到標準域名特征，包括：

確定各項標準域名特征的最大值和最小值；

根據所述最大值和最小值對所述標準域名特征進行標準化處理，得到所述標準域名特征。

5.根據權利要求1所述的方法，其特征在于，所述將所述特征向量輸入至基于自我學習算法訓練完成的分類器中之前，還包括：

將獲取的樣本數據劃分為標記樣本數據和未標記樣本數據，所述標記樣本數據為標注類別的樣本數據，所述未標記樣本數據為未標注類別的樣本數據；

分別提取所述標記樣本數據和所述未標記樣本數據的特征向量，得到標記樣本數據特征向量和未標記樣本數據特征向量；

基于所述標記樣本數據特征向量和所述未標記樣本數據特征向量對待訓練的分類器進行訓練，得到訓練完成的分類器。

6.根據權利要求5所述的方法，其特征在于，所述基于所述標記樣本數據特征向量和所述未標記樣本數據特征向量對待訓練的分類器進行訓練，得到訓練完成的分類器，包括：

基于所述標記樣本數據特征向量構建初始分類器；

獲取與所述標記樣本數據特征向量相似度最大的未標記樣本數據特征向量，得到目標特征向量；

將所述目標特征向量輸入至所述初始分類器，得到目標類別預測結果；

基于所述標記樣本數據特征向量、所述標記樣本數據的類別、所述目標特征向量和所述目標類別預測結果對所述待訓練的分類器進行訓練，得到訓練完成的分類器。

7.根據權利要求6所述的方法，其特征在于，所述獲取與所述標記樣本數據相似度最大的未標記樣本數據特征向量，得到目標特征向量，包括：

針對每個未標記樣本數據特征向量，分別計算未標記樣本數據特征向量與各所述標記樣本數據特征向量的歐式距離；

將與所述標記樣本數據特征向量的歐氏距離最短的未標記樣本數據特征向量作為目標特征向量。

8.一種域名檢測裝置，其特征在于，所述裝置包括：

待檢測域名獲取模塊，用于獲取待檢測域名；

特征向量獲取模塊，用于對所述待檢測域名進行特征提取，得到與所述待檢測域名對應的特征向量；

目標域名確定模塊，用于將所述標準特征向量輸入至已訓練的分類器中，確定所述待檢測域名是否為目標域名。

9.一種電子設備，其特征在于，包括處理器，存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序或指令，所述程序或指令被所述處理器執行時實現如權利要求1-7任一所述的域名檢測方法的步驟。

10.一種計算機存儲介質，其特征在于，所述計算機存儲介質上存儲有計算機程序指令，所述計算機程序指令被處理器執行時實現如權利要求1-7任意一項所述的域名檢測方法。