基于深度学习的域名查询行为向量空间嵌入  

Vector space embedding of DNS query behaviors by deep learning

作　　者：周昌令[1,2] 栾兴龙[1,2] 肖建国[3] 

机构地区：[1]北京大学计算中心,北京100871 [2]北京大学信息科学技术学院,北京100871 [3]北京大学计算机科学技术研究所,北京100871

出　　处：《通信学报》2016年第3期165-174,共10页Journal on Communications

基　　金：国家2012年下一代互联网技术研发;产业化和规模商用专项基金资助项目(No.CNGI-12-03-001);国家发展改革委2011年国家信息安全专项基金资助项目;国家高技术研究发展计划("863计划")基金资助项目(No.2015AA011403)~~

摘　　要：提出一种新的分析DNS查询行为的方法,用深度学习机制将被查询域名和请求查询的主机分别映射到向量空间,域名或主机的关联分析转化成向量的运算。通过对2组真实的校园网DNS日志数据集的处理,发现该方法很好地保持了关联特性,使用降维处理以及聚类分析,不仅可以让人直观地发现隐含的关联关系,还有助于发现网络中的异常问题如botnet等。A novel approach to analyze DNS query behaviors was introduced. This approach embeds queried domains or querying hosts to vector space by deep learning mechanism, then the relationship between querying of domains or hosts was mapped to vector space operations. By processing two real campus network DNS log datasets, it is found that this method maintains relationships very well. After doing dimension reduction and clustering analysis, researchers can not only easily explore hidden relationships intuitively, but also discover abnormal network events like botnet.

关 键 词：DNS 深度学习 上下文 降维 行为分析 层次聚类 

分 类 号：TP393.07[自动化与计算机技术—计算机应用技术]