このリポジトリは、ドメインをDGAまたは良性に分類するための非常にシンプルなコードを含んでいます。このコードは、私たちの論文（https://www.sciencedirect.com/science/article/pii/S0925231217317320）における結果を実証しています。この論文では、バイナリ分類モデルとマルチクラス分類モデルの両方を組み合わせた新しいLSTM.MIアルゴリズムを提案しており、元のLSTMをコストセンシティブに適応させています。クラス間の識別重要性を考慮するために、誤差逆伝播学習手順にコスト項目が導入されています。
手順に従えば、私たちの手法を再実装できます。さらに、いくつかのデータセットも提供しています。
データセットを再利用する場合は、以下の論文を引用してください。
Tran, Duc, et al. "DGAボットネット検出におけるマルチクラス不均衡を扱うためのLSTMベースのフレームワーク." Neurocomputing 275 (2018): 2401-2413.
または
@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} }
'lstm.py' は分類器を訓練し、手法を評価するためのレポートを生成します。このコードはローカルマシンまたはGPU搭載マシン上で実行できます（GPUの方がはるかに高速です）。
Githubでのダウンロードに関して問題がある場合は、Google Driverのバックアップリンクを使用してください： https://drive.google.com/drive/folders/1EI67tTK2NnwW9MZa3Qr2anPbJ_Dlix91?fbclid=IwAR0A_Ltrkrn9Zt4VvF0IFhE_v3GWz-YDqaq-SsHaU2mHNG5861KXylvZlBY
