一種檢測惡意域名的增量并行SVM算法研究與實現(xiàn).pdf

1、DNS（Domain Name System）系統(tǒng)是互聯(lián)網(wǎng)上的一個重要機(jī)制，用來實現(xiàn)域名與IP地址之間的相互映射，幫助用戶輕松的訪問互聯(lián)網(wǎng)。然而，由于DNS的開放性，使其很容易受到惡意域名的攻擊，危害網(wǎng)絡(luò)安全。目前，通過對DNS數(shù)據(jù)的分析，借助機(jī)器學(xué)習(xí)方法構(gòu)建分類模型，實現(xiàn)對惡意域名的檢測已成為網(wǎng)絡(luò)安全研究的一個熱點。但是，隨著數(shù)據(jù)量的爆發(fā)式增長，以及數(shù)據(jù)變化性不斷增強(qiáng)，傳統(tǒng)的惡意域名檢測算法在處理大規(guī)模實時數(shù)據(jù)集時，表現(xiàn)出檢測速率小，

2、準(zhǔn)確率低以及時效性差的缺陷。
　　首先，針對數(shù)據(jù)變化性強(qiáng)，而導(dǎo)致SVM的分類準(zhǔn)確率下降的問題，提出了基于距離限定和錯分樣本的增量SVM惡意域名檢測方法。該方法用來實現(xiàn)對分類模型不斷更新。其次，為了加速對大規(guī)模數(shù)據(jù)集的處理效率，采用并行化的SVM方法，加速對惡意域名的檢測效率。最后，在Spark平臺上對提出的增量并行SVM方法進(jìn)行實現(xiàn)，并通過模擬實驗，驗證該算法的有效性。
　　實驗結(jié)果表明，檢測惡意域名的增量并行SVM方法，其