Domurls BERT

由 amahdaouy 开发

DomURLs_BERT是一个基于BERT架构的预训练编码器，专门用于检测和分类可疑/恶意的域名与网址。

文本分类

Transformers

其他

#恶意网址检测 #多语言域名分类 #网络安全预训练

下载量 725

发布时间 : 8/5/2024

模型介绍

内容详情

替代品

模型简介

该模型通过掩码语言建模目标，在包含多语言网址、域名及域名生成算法（DGA）的大规模语料库上进行预训练，适用于网络安全领域的恶意域名与网址检测分类任务。

模型特点

多语言支持

模型在包含多语言网址和域名的语料库上预训练，能够处理不同语言的域名和网址。

恶意域名检测

专门针对钓鱼攻击、恶意软件、DGA和DNS隧道等网络安全威胁设计的检测能力。

基于BERT架构

利用BERT强大的上下文理解能力，有效捕捉域名和网址中的潜在威胁特征。

模型能力

恶意域名检测

网址分类

钓鱼攻击识别

DGA域名检测

DNS隧道检测

使用案例

网络安全

钓鱼网站检测

识别伪装成合法网站的钓鱼网址

在评估中超越现有基于字符的深度学习模型

恶意软件域名检测

检测用于传播恶意软件的域名

在多项任务上表现优于网络安全专用BERT模型

威胁情报

DGA域名识别

检测由域名生成算法生成的恶意域名

library_name: transformers tags:

网址
域名
网络安全
多语言
域名生成算法
DGA
钓鱼攻击
恶意软件
DNS隧道
网址分类
域名分类
BERT
编码器

模型卡片：DomURLs_BERT

DomURLs_BERT是一个基于BERT架构的预训练编码器，专门用于检测和分类可疑/恶意的域名与网址。该模型通过掩码语言建模（MLM）目标，在包含多语言网址、域名及域名生成算法（DGA）的大规模语料库上进行预训练。

论文摘要

检测和分类可疑或恶意的域名与网址是网络安全的基础任务。为利用此类威胁指标，网络安全厂商和从业者通常需要维护和更新已知恶意域名与网址的黑名单。然而黑名单往往难以识别新兴和混淆的威胁。过去几十年来，开发能自动检测恶意域名与网址的机器学习模型受到广泛关注，以解决黑名单维护更新的局限性。本文提出DomURLs_BERT——一个基于BERT架构的预训练编码器，专门用于检测分类可疑/恶意域名与网址。该模型通过掩码语言建模目标，在包含多语言网址、域名及DGA数据集的大规模语料库上进行预训练。为评估性能，我们在涉及钓鱼攻击、恶意软件、DGA和DNS隧道等多项二元及多分类任务上进行了实验。评估结果表明，该编码器在多项任务和数据集上超越了最先进的基于字符的深度学习模型及网络安全专用BERT模型。预训练数据集、预训练模型及实验源代码均已公开。

模型详情

模型描述

这是托管在Hugging Face Hub上的🤗 transformers模型卡片，内容为自动生成。

模型类型：基于BERT的编码器
适用领域（网络安全）：全语种

模型来源

代码仓库：https://github.com/AbdelkaderMH/DomURLs_BERT
论文：[https://arxiv.org/pdf/2409.09143]

引用格式

@article{domurlsbert2024,
  title={{DomURLs\_BERT}: 基于BERT的恶意域名与网址检测分类预训练模型},
  author={Abdelkader {El Mahdaouy} and Salima Lamsiyah and Meryem {Janati Idrissi} and Hamza Alami and Zakaria Yartaoui and Ismail Berrada},
  journal={arXiv预印本 arXiv:2409.09143},
      year={2024},
      eprint={2409.09143},
      archivePrefix={arXiv},
      primaryClass={cs.CR},
      url={https://arxiv.org/abs/2409.09143}, 
}