搜索

[505] 2017-01-20_DeepDGA：利用深度学习强化DomainFlux对抗

文档创建者：s7ckTeam
浏览次数：27
最后更新：2025-01-16
2017-01-20_DeepDGA：利用深度学习强化DomainFlux对抗 D e e p D G A ： 利 用 深 度 学 习 强 化 D o m a i n   F l u x 对 抗 原 创   S h a d o w _ K K   A r k T e a m   2 0 1 7 - 0 1 - 2 0 前 言 前 言 在 僵 尸 网 络 研 究 方 向 上 ， 防 御 方 以 机 器 学 习 和 深 度 学 习 作 为 标 配 武 器 的 今 天 ， 攻 击 方 的 相 关 预 测 研 究 和 案 例 报 道 则 乏 善 可 陈 。 伴 随 着 生 成 对 抗 网 络 （ G A N ： G e n e r a t i v e   A d v e r s a r i a l   N e t w o r k s ） 的 火 热 ， 当 前 不 平 衡 格 局 似 乎 有 望 被 改 写 ， 迈 出 的 第 一 步 从 D o m a i n   F l u x 开 始 。 生 成 对 抗 网 络 生 成 对 抗 网 络   G A N 是 在 N I P S   2 0 1 4 上 由 G o o d f e l l o w 等 人 [ 1 ] 提 出 ， 该 模 型 的 核 心 思 想 源 自 于 自 博 弈 论 中 的 二 人 零 和 博 弈 （ t w o - p l a y e r g a m e ） ， 包 含 一 个 生 成 模 型 （ g e n e r a t i v e   m o d e l ） 和 一 个 判 别 模 型 （ g e n e r a t i v e   m o d e l ） ： 生 成 模 型 根 据 以 样 本 数 据 和 噪 声 的 输 入 ， 产 生 合 成 的 样 本 ； 而 判 别 模 型 为 二 分 类 器 ， 旨 在 对 任 一 一 个 样 本 来 自 真 实 还 是 合 成 进 行 判 断 。 生 成 模 型 希 望 输 出 合 成 样 本 可 以 欺 骗 判 别 模 型 ， 而 判 别 模 型 则 试 图 将 合 成 样 本 全 部 检 出 ， 二 者 形 成 了 竞 争 和 对 抗 关 系 ， 反 复 的 训 练 过 程 中 ， 固 定 一 方 同 时 更 新 另 一 方 的 参 数 ， 最 终 达 到 纳 什 均 衡 ， 该 过 程 可 用 “ 二 元 极 小 极 大 博 弈 ” （ m i n i m a x   t w o - p l a y e r   g a m e ） 描 述   [ 1 ] [ 2 ] [ 3 ] 。 D e e p D G A 介 绍 介 绍 在 诸 多 D o m a i n   F l u x 僵 尸 网 络 中 ， 由 于 大 多 数 D G A （ D G A ， D o m a i n   G e n e r a t i o n   A l g o r i t h m ） 采 用 字 符 随 机 产 生 策 略 ， 生 成 域 名 的 字 符 统 计 特 征 较 正 常 域 名 有 显 著 差 异 。 如 下 图 所 示 ， 生 成 域 名 与 A l e x a   T o p   1 0 0 万 域 名 在 单 字 符 分 布 上 有 显 著 差 异 ， 仅 采 用 字 典 生 成 的 s u p p o b o x 僵 尸 网 络 比 较 接 近 正 常 域 名 。 因 此 ， 现 有 的 基 于 字 符 统 计 特 征 的 域 名 分 类 算 法 可 以 有 效 的 识 别 大 多 数 生 成 域 名 。 图 1   生 成 域 名 和 A l e x a   t o p   1 0 0 万 域 名 的 字 符 分 布 统 计 H y r u m 等 人 [ 4 ] 在 A I S e c   2 0 1 6 会 议 上 介 绍 了 一 种 基 于 G A N 的 D G A 算 法 - - - - - D e e p D G A ， 该 算 法 生 成 的 域 名 具 备 高 度 混 淆 ， 传 统 域 名 分 类 器 识 别 率 较 低 。 作 者 基 于 循 环 神 经 网 络 （ R N N ） 、 利 用 L S T M 构 建 了 预 处 理 模 型 a u t o e n c o d e r ， 该 模 型 以 A l e x a t o p   1 0 0 W 域 名 作 为 输 入 ， 可 以 按 照 指 定 的 b i g r a m 和 t r i g r a m 过 滤 器 对 其 进 行 重 新 表 达 ， 该 过 程 训 练 得 到 的 d e c o d e r 和 e n c o d e r 模 块 作 为 组 成 部 分 加 入 到 G A N 模 型 中 ， 以 随 机 S e e d 作 为 输 入 ， 通 过 若 干 对 抗 轮 次 ， 其 中 生 成 模 型 最 产 生 了 和 正 常 域 名 高 度 相 似
的 A G D （ A d v e r s a r i a l l y   G e n e r a t e d   D o m a i n ） 。 图 2   D e e p D G A 中 a u t o e n c o d e r 框 架 示 意 图 图 3   D e e p D G A 中 G A N 框 架 示 意 图   不 仅 如 此 ， D e e p D G A 还 可 用 于 增 强 传 统 生 成 域 名 识 别 器 ， 作 者 综 合 已 有 的 域 名 检 测 工 作 中 用 到 的 特 征 [ 5 ] [ 6 ] [ 7 ] ， 比 如 长 度 、 熵 值 、 有 意 义 字 符 比 率 、 n - g r a m 分 布 等 ， 基 于 随 机 森 林 算 法 （ R a n d o m   F o r e s t s ） 构 建 了 传 统 域 名 分 类 器 。 经 过 对 照 比 较 实 验 证 实 ， D e e p D G A 生 成 的 域 名 作 为 训 练 集 时 ， 可 以 有 效 提 高 域 名 分 类 器 对 未 知 生 成 域 名 的 检 测 准 确 率 。
图 4   高 混 淆 度 生 成 域 名 提 升 传 统 域 名 分 类 器 的 检 测 准 确 率 小 结 小 结   虽 然 D e e p D G A 的 实 践 意 义 并 不 大 ， 但 不 可 否 认 ， 对 抗 机 器 学 习 的 趋 热 和 G A N 的 出 现 为 安 全 领 域 的 相 关 研 究 带 来 了 新 的 契 机 ， 未 来 的 攻 防 对 抗 将 进 入 一 个 全 新 的 阶 段 。 参 考 文 献 参 考 文 献 ： 1 .   G o o d f e l l o w   I ,   P o u g e t - A b a d i e   J ,   M i r z a   M ,   e t   a l .   G e n e r a t i v e   a d v e r s a r i a l   n e t s [ C ] / / A d v a n c e s   i n   N e u r a l   I n f o r m a t i o n   P r o c e s s i n g   S y s t e m s . 2 0 1 4 :   2 6 7 2 - 2 6 8 0 .   h t t p s : / / a r x i v . o r g / a b s / 1 4 0 6 . 2 6 6 1 2 .   M i r z a   M ,   O s i n d e r o   S .   C o n d i t i o n a l   g e n e r a t i v e   a d v e r s a r i a l   n e t s [ J ] .   a r X i v   p r e p r i n t   a r X i v : 1 4 1 1 . 1 7 8 4 ,   2 0 1 4 . 3 .   深 度 ： 生 成 模 型 （ G A N ） 的 最 新 进 展 . h t t p : / / w w w . l e i p h o n e . c o m / n e w s / 2 0 1 6 0 9 / g f K R I y I J X F E p m h b S . h t m l 4 .   A n d e r s o n   H   S ,   W o o d b r i d g e   J ,   F i l a r   B .   D e e p D G A :   A d v e r s a r i a l l y - T u n e d   D o m a i n   G e n e r a t i o n   a n d   D e t e c t i o n [ C ] / / P r o c e e d i n g s   o f   t h e   2 0 1 6 A C M   W o r k s h o p   o n   A r t i f i c i a l   I n t e l l i g e n c e   a n d   S e c u r i t y .   A C M ,   2 0 1 6 :   1 3 - 2 1 . 5 .   A n t o n a k a k i s   M ,   P e r d i s c i   R ,   N a d j i   Y ,   e t   a l .   F r o m   t h r o w - a w a y   t r a f f i c   t o   b o t s :   d e t e c t i n g   t h e   r i s e   o f   D G A - b a s e d   m a l w a r e [ C ] / / P r e s e n t e d   a s p a r t   o f   t h e   2 1 s t   U S E N I X   S e c u r i t y   S y m p o s i u m   ( U S E N I X   S e c u r i t y   1 2 ) .   2 0 1 2 :   4 9 1 - 5 0 6 . 6 .   Y a d a v   S ,   R e d d y   A   K   K ,   R e d d y   A   L ,   e t   a l .   D e t e c t i n g   a l g o r i t h m i c a l l y   g e n e r a t e d   m a l i c i o u s   d o m a i n   n a m e s [ C ] / / P r o c e e d i n g s   o f   t h e   1 0 t h   A C M S I G C O M M   c o n f e r e n c e   o n   I n t e r n e t   m e a s u r e m e n t .   A C M ,   2 0 1 0 :   4 8 - 6 1 . 7 .   Y a d a v   S ,   R e d d y   A   K   K ,   R e d d y   A   L   N ,   e t   a l .   D e t e c t i n g   a l g o r i t h m i c a l l y   g e n e r a t e d   d o m a i n - f l u x   a t t a c k s   w i t h   D N S   t r a f f i c   a n a l y s i s [ J ] . I E E E / A c m   T r a n s a c t i o n s   o n   N e t w o r k i n g ,   2 0 1 2 ,   2 0 ( 5 ) :   1 6 6 3 - 1 6 7 7 . 更 多 精 彩 内 容 ， 请 关 注 ： 1 .   A r k T e a m 官 方 微 信 官 方 微 信 — 公 众 账 号 名 称 ： A r k T e a m 2 .   A r k T e a m 官 方 微 博 ： 官 方 微 博 ： 昵 称 ： A r k T e a m 网 址 ： h t t p : / / w w w . w e i b o . c o m / a r k t e a m
阅 读 原 文
回复

举报

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

使用Markdown编辑器编辑 使用富文本编辑器编辑

Archiver| 手机版| 小黑屋|
Powered by Discuz! X3.4 Copyright © 2001-2020, Tencent Cloud. 商业源码建议获取授权，如侵犯您的权益，请联系客服处理