文献

J-GLOBAL ID：202102257892245534   整理番号：21A0627927

悪性FQDNの自動生成と分類【JST・京大機械翻訳】

Automatic Generation and Classification of Malicious FQDN

著者 (4件)： Yoshida Kenichi (University of Tsukuba, Tsukuba, Japan) ,  Fujiwara Kazunori (Japan Registry Services Co., Ltd., Tokyo, Japan) ,  Sato Akira (University of Tsukuba, Tsukuba, Japan) ,  Sannomiya Shuji (University of Tsukuba, Tsukuba, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12280  ページ： 120-129  発行年： 2021年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： インターネット上のスパム電子メールと他の抗社会的行動(ボットネットコマンドや制御サーバのような)の増加により,ドメインナームシステム(DNS)ブラックリスト(DNSBL)が作成されている。これらは,スパム電子メールと他の反社会的行動を送るために返されるインターネット上の悪意のあるホストの「ブラックリスト」である。ほとんどの電子メールサーバは,これらのリストにホストから送られるメッセージを拒絶するために構成できる。日毎に作られた新しい悪意のあるホストを守るのは難しいので,DNSBL生成を自動化する研究が必要である。この問題に取り組むために,機械学習の応用を徹底的に研究した。深層学習は,悪意のあるホスト名を分類するための有望なアプローチであると考えられる。本研究では,簡単なドメイン生成アルゴリズム(DGA)を示すことにより,これらのアプローチのリスクを調べた。本報告では,機械学習技術よりも使用される属性の重要性を示した。機械学習と知識取得の研究者は,実用分野での技術よりも応用分野で重要な属性に焦点を当てるべきである。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  自動化 ,  知識獲得 ,  *インターネット ,  機械学習 ,  電子メール
準シソーラス用語： 社会的行動 ,  *自動生成 ,  メールサーバ ,  ブラックリスト ,  スパム ,  機械学習技術 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： DNSブラックリスト ,  悪性FQDN ,  LSTM

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (2件)： 自動生成 ,  分類