2023年6月10日第7卷第11期现代信息科技ModernInformationTechnologyJun.2023Vol.7No.1177772023.062023.06收稿日期：2023-01-08基金项目：防灾科技学院教育研究与教学改革项目（JY2022B31）基于优化CS-SVM算法的DGA域名检测研究卢加奇，吕广旭，魏先燕，冯燕茹，王小英（防灾科技学院，河北廊坊065201）摘要：近年来恶意软件融合域名生成算法，生成大量的恶意域名严重威胁网络安全。目前现有的恶意域名检测方法大多都存在检测效率低等问题。提出一种通过采用优化后的布谷鸟搜索算法（CS）对支持向量机（SVM）进行优化，即BCS-SVM方法，该方法能够适应DGA域名检测场景。实验采用开放域名数据作为样本集，对文章提出的DGA域名检测方法进行训练，并通过域名向量转换、检测模型训练、参数调优，最终完成了一种较为高效的DGA域名检测模型。关键词：特征选择；DGA域名；布谷鸟搜索算法；支持向量机中图分类号：TP393.0文献标识码：A文章编号：2096-4706（2023）11-0077-03ResearchonDGADomainNameDetectionBasedonOptimizedCS-SVMAlgorithmLUJiaqi,LYUGuangxu,WEIXianyan,FENGYanru,WANGXiaoying(InstituteofDisasterPrevention,Langfang065201,China)Abstract:Inrecentyears,malwareintegratesdomainnametogeneratealgorithms,andgeneratesalargenumberofmaliciousdomainnameswhichisaseriousthreattonetworksecurity.Mostoftheexistingmaliciousdomainnamedetectionmethodshaveproblemsoflowdetectionefficiency.ThispaperproposesaSupportVectorMachine(SVM)optimizationmethodbyusinganoptimizedCuckooSearchalgorithm(CS),namelytheBCS-SVMmethod,whichcanbeadaptedtotheDGAdomainnamedetectionscenario.Theexperimentusesopendomainnamedataasthesampleset,trainstheDGAdomainnamedetectionmethodproposedinthispaper,andanefficientDGAdomainnamedetectionmodelisrealizedthroughdomainnamevectorconversion,detectionmodeltrainingandparametertuningfinally.Keywords:featureselection;DGAdomainname;CuckooSearchalgorithm;SupportVectorMachine0引言近些年来，各种网络恶意行为不断出现，网络入侵事件层出不穷，网络攻击随时发生，如僵尸网络和勒索软件，这些攻击严重依赖命令与控制渠道远程进行恶意活动。为了逃避通道检测，攻击者不断尝试使用不同的隐蔽通信技术。其中最常见的一种技术是域名生成算法，它允许恶意软件随机生成大量域名，直...
