由人工智能驱动的网络安全:使用基于注意力的深度学习模型和优化算法来增强恶意域的检测
Fatimah Alhayan1, Asma Alshuhail2, Ahmed Omer Ahmed Ismail3
1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah Bint Abdulrahman University, P.O. Box 84428, 11671, Riyadh, Saudi Arabia.
Scientific reports
|July 3, 2025
概括
这项研究引入了一种人工智能驱动的方法,EMDD-ADLMOA,通过分析其行为来检测恶意域. 该模型实现了98.52%的准确性,显著改善了针对在线威胁的网络安全防御.
科学领域:
- 网络安全 网络安全
- 人工智能的人工智能
- 网络安全 网络安全
背景情况:
- 恶意域名对于网络攻击至关重要.
- 域名系统 (DNS) 对互联网的功能至关重要.
- 检测恶意域名对于网络安全至关重要.
研究的目的:
- 提出一种用于检测恶意域名的增强技术.
- 为了提高网络安全,利用人工智能.
- 开发一个强大的和可扩展的恶意软件检测系统.
主要方法:
- 使用min-max缩放进行预处理数据.
- 使用量子启发的火虫算法 (QIFA) 进行特征选择.
- 使用混合时空卷积网络 (TCN) 和双向长期短期记忆 (BiLSTM) 与挤压和刺激注意力 (SEA) 的混合时空卷积网络进行分类.
- 使用Parrot优化 (PO) 算法进行超参数调整.
主要成果:
- 拟议的EMDD-ADLMOA技术表现出卓越的性能.
- 在检测恶意域名方面取得了98.52%的准确性.
- 在实验验证方面表现优于现有方法.
结论:
- 在EMDD-ADLMOA技术有效地提高恶意域的检测.
- 基于人工智能的模型为强大的网络安全提供了一个有希望的方法.
- 该研究为识别和减轻在线威胁提供了可扩展和有效的解决方案.
