Detection and Analysis of Domain Generation Algorithms in Malware Using Deep Learning

Graduate papers

Search graduate papers

Description of the graduate paper

Form of studies	Master
Title of the study programm	Business Informatics
Title in original language	Domēna ģenerēšanas algoritmu noteikšana un analīze ļaunprogrammatūrā, izmantojot dziļās mācīšanās
Title in English	Detection and Analysis of Domain Generation Algorithms in Malware Using Deep Learning
Department	Faculty Of Computer Science Information Tehnology And Energy
Scientific advisor	Antons Patļins
Reviewer	Ērika Nazaruka
Abstract	Pētījums attīsta DGA domēnu padziļinātu noteikšanu, izmantojot LSTM tehniku. Efektīva modeļa izveide ir galvenais pētījuma mērķis, lai binārajā klasifikācijā noteiktu starp ļaunprātīgiem un labdabīgiem DGA domēniem, veicot vairāku ģimeņu klasifikāciju. Ierosinātais LSTM modelis patērē lielu datu kopu, kurā ir miljoniem domēna nosaukumu, un veic testēšanu, izmantojot atsevišķu datu kopu. Modeļa optimizācija izdodas, izmantojot Adam optimizētāju, apstrādājot vairāku klašu klasifikācijas datus, savukārt bināro klasifikācijas datu apstrādei tiek izmantota kategoriska krustentropija. Eksperimenta rezultāti parāda, ka piedāvātais LSTM modelis sasniedz izcilus rezultātus attiecībā uz tā precizitāti un precizitāti, kā arī atsaukšanu un F1 punktu skaitu gan vairāku klašu, gan binārajā klasifikācijā. Modelis demonstrē spēcīgu spēju atšķirt pozitīvos un negatīvos piemērus, pamatojoties uz ROC līknēm, un tas veiksmīgi identificē ļaunprātīgos DGA domēnus ar augstu precizitāti un atsauc, izmantojot neskaidrības matricas. Pētījuma pierādījumi liecina, ka dziļās mācīšanās metodes ar LSTM modeļiem ir ļoti veiksmīgas DGA domēnu noteikšanā, vienlaikus veicot bināros un vairāku klašu noteikšanas uzdevumus. Kaitīgo domēnu identificēšanas panākumi sniedz ievērojamas priekšrocības kiberdrošības sistēmām, kurām ir jāidentificē kaitīgi domēni un jāaizsargā pret tiem, lai izvairītos no drošības pārkāpumiem. Maģistra darbs sastāv no 86 lappusēm; tajā ir 34 attēli, 15 tabulas, divi pielikumi un 39 atsauces.
Keywords	DZIĻĀ MĀCĪŠANĀS, DGA DOMĒNI, LSTM MODELIS, BINĀRĀ KLASIFIKĀCIJA, KIBERDROŠĪBA
Keywords in English	DEEP-LEARNING, DGA DOMAINS, LSTM MODEL, BINARY CLASSIFICATION, CYBER SECURITY
Language	lv
Year	2026
Date and time of uploading	04.01.2026 21:12:33