一种基于自反馈学习的大规模恶意域名检测系统及方法

摘要

本发明公开了一种基于自反馈学习的大规模恶意域名检测系统及方法，涉及计算机网络安全技术领域。针对现有的检测技术在海量数据处理以及检测模型更新上的不足，设计并实现了适用于大规模数据的恶意域名实时检测系统，创新性提出抽取小数据集验证更新的做法，提升在线学习的效率。核心算法包括在海量实时域名检测中应用基于支持向量机SVM检测恶意域名的算法、基于自反馈学习的在线学习算法fSVM和自动标定算法。经理论论证与实验验证，本发明所提算法在面对新出现的恶意域名时能够及时响应，并且有着出色的运行效率。本发明还实现了检出域名的进一步分析，对域名相关的威胁情报感知有着启示作用。