Un framework basado en LSTM para manejar el desequilibrio multiclase en la detección de botnets DGA.

Este repositorio contiene un código muy simple para clasificar dominios como DGA o benignos. Este código demuestra nuestros resultados en nuestro artículo aquí: https://www.sciencedirect.com/science/article/pii/S0925231217317320. Este artículo presenta un novedoso algoritmo LSTM.MI para combinar modelos de clasificación binaria y multiclase, donde el LSTM original se adapta para ser sensible al costo. Los elementos de costo se introducen en el procedimiento de aprendizaje por retropropagación para tener en cuenta la importancia de identificación entre las clases.

Siguiendo las instrucciones, puedes reimplementar nuestro método. Además, también proporcionamos algunos conjuntos de datos:

• Los conjuntos de datos recopilados del mundo real de algunos botnets DGA, incluidos Shifu, Tinba, Necurs, Locky, etc.
• trainingdata.csv: Este conjunto de datos contiene 1 millón de dominios normales de Alexa, más de 600,000 dominios DGA y 8 características estadísticas correspondientes a estos dominios. Los dominios DGA se recopilan en http://osint.bambenekconsulting.com/feeds/.
• traindga4.csv: 10% del conjunto de datos trainingdata. Sin embargo, las 8 características estadísticas no están normalizadas a valores que van de 0 a 1.
• traindga5.csv: 10% del conjunto de datos trainingdata. Sin embargo, las 8 características estadísticas están normalizadas a valores que van de 0 a 1.

Si reutilizas nuestro conjunto de datos, cita nuestro artículo de la siguiente manera.

Tran, Duc, et al. "A LSTM based framework for handling multiclass imbalance in DGA botnet detection." Neurocomputing 275 (2018): 2401-2413.

o

@article{tran2018lstm, title={A LSTM based framework for handling multiclass imbalance in DGA botnet detection}, author={Tran, Duc and Mac, Hieu and Tong, Van and Tran, Hai Anh and Nguyen, Linh Giang}, journal={Neurocomputing}, volume={275}, pages={2401--2413}, year={2018}, publisher={Elsevier} }

Implementando el código

'lstm.py' entrenará el clasificador y generará el informe para evaluar el método. Este código se ejecutará en tu máquina local o en una máquina con GPU (la GPU, por supuesto, será mucho más rápida).

Enlace de respaldo

Si hay algún problema relacionado con la descarga en Github, utiliza el enlace de respaldo en Google Drive: https://drive.google.com/drive/folders/1EI67tTK2NnwW9MZa3Qr2anPbJ_Dlix91?fbclid=IwAR0A_Ltrkrn9Zt4VvF0IFhE_v3GWz-YDqaq-SsHaU2mHNG5861KXylvZlBY