[发明专利]一种基于生成对抗网络模型的恶意域名训练数据生成方法

权利要求书

1.一种基于生成对抗网络模型的恶意域名训练数据生成方法，其特征在于具体包括以下步骤：

S1、预处理输入域名数据，选择真实恶意域名数据作为输入数据；

S2、将经过预处理的真实恶意域名数据输入生成对抗网络模型进行训练，生成对抗网络模型由一对神经网络模型组成，包括生成器和判别器，两者通过对抗学习的训练算法来提升网络的权重，以实现生成器能够生成混淆判别器的数据；

S3、利用训练好的生成对抗网络模型来生成训练数据。

2.根据权利要求1所述的基于生成对抗网络模型的恶意域名训练数据生成方法，其特征在于步骤S1中对输入数据进行预处理包括去除顶级域名和二级域名后，利用ASCⅡ编码和数据归一化对所述输入数据进行处理。

3.根据权利要求1所述的基于生成对抗网络模型的恶意域名训练数据生成方法，其特征在于所述真实恶意域名包括360网络安全实验室公开收集的若干DGA家族的100万条恶意域名。

4.根据权利要求1所述的基于生成对抗网络模型的恶意域名训练数据生成方法，其特征在于所述的ASCⅡ编码是根据ASCⅡ码将字符域名编码成对应的ASCⅡ码，ASCⅡ编码后的数据定义域取ASCⅡ码表的区间[33，127]。

5.根据权利要求1所述的基于生成对抗网络模型的恶意域名训练数据生成方法，其特征在于所述数据归一化处理是将编码后的数据映射到区间[0，1]，映射公式如(1)所示，

其中A^*(d_i)为第i个字符标准化后的值，A(d_i)为第i个字符的编码后的数据，minA(d_i)为定义域下限，maxA(d_i)为定义域上限。

6.根据权利要求1所述的基于生成对抗网络模型的恶意域名训练数据生成方法，其特征在于步骤S2中，将经过预处理的真实恶意域名数据作为训练集来训练自编码器，自编码器是一个基于长短期记忆人工神经网络的Seq2Seq模型，由编码器和解码器组成；所述编码器把输入数据进行压缩，将高维数据压缩成低维数据后传递给解码器，解码器将压缩数据还原成原始数据；将经过训练的自编码器的解码器作为生成对抗网络模型的生成器，并使其生成器和判别器进行多轮竞争以达到平衡状态从而完成对所述生成对抗网络模型的训练。

7.根据权利要求6所述的基于生成对抗网络模型的恶意域名训练数据生成方法，其特征在于所述判别器为基于CNN网络的二元分类器，用来判断输入数据是真实恶意域名数据还是生成器生成的数据。

8.根据权利要求6所述的基于生成对抗网络模型的恶意域名训练数据生成方法，其特征在于在训练所述对抗网络模型时，以真实恶意域名和生成器生成的数据作为判别器的输入，由高斯分布模型随机产生的数据作为生成器的输入。

9.根据权利要求6所述的基于生成对抗网络模型的恶意域名训练数据生成方法，其特征在于所述平衡状态是判别器和生成器的训练中经多轮竞争使得min-max公式的值趋向于0.5时的状态，min-max公式如(2)所示：

其中V(G，D)为价值函数，代表服从输入的真实恶意域名分布的x训练判别器，代表服从随机数据分布的z训练生成器和判别器，D代表鉴别器，G代表生成器，D(x)表示真实数据，G(z)表示生成数据。

10.根据权利要求1所述的基于生成对抗网络模型的恶意域名训练数据生成方法，其特征在于步骤S3所述的生成训练数据是把真实的恶意域名作为步骤S2中训练好的对抗网络模型中的判别器的输入，把由高斯分布模型随机产生的数据作为训练好的对抗网络模型中的生成器的输入，以此来生成训练数据。