張 玉，劉紀(jì)偉

(國(guó)家計(jì)算機(jī)網(wǎng)絡(luò)與信息安全管理中心河北分中心，河北石家莊 050000)

近年來(lái)，隨著網(wǎng)絡(luò)犯罪技術(shù)的不斷發(fā)展，僵尸網(wǎng)絡(luò)（Botnet）已經(jīng)成為互聯(lián)網(wǎng)上最突出的威脅來(lái)源之一。根據(jù)國(guó)家互聯(lián)網(wǎng)應(yīng)急中心（CNCERT）發(fā)布的《2019年中國(guó)互聯(lián)網(wǎng)網(wǎng)絡(luò)安全報(bào)告》，CNCERT抽樣監(jiān)測(cè)結(jié)果顯示，2019年，我國(guó)境內(nèi)存在的木馬或僵尸程序控制服務(wù)器IP地址的數(shù)量為14 320個(gè)，我國(guó)境內(nèi)共有近600萬(wàn)臺(tái)IP地址的主機(jī)被植入木馬或僵尸程序［1］。黑客攻擊者利用僵尸網(wǎng)絡(luò)實(shí)施各類(lèi)惡意活動(dòng)，比如傳播惡意軟件（如勒索軟件、木馬等）、發(fā)送垃圾郵件、進(jìn)行分布式DDOS攻擊等。僵尸主機(jī)通過(guò)發(fā)送DNS數(shù)據(jù)包與攻擊者控制的服務(wù)器建立通信，并從服務(wù)器接收指令進(jìn)行網(wǎng)絡(luò)惡意活動(dòng)。為了逃避檢測(cè)，很多大型僵尸網(wǎng)絡(luò)使用一種稱(chēng)為Fast-Flux服務(wù)網(wǎng)絡(luò)（FFSN）的技術(shù)應(yīng)用來(lái)逃避技術(shù)手段對(duì)惡意域名的檢測(cè)。FFSN一般是由大量被控制的計(jì)算機(jī)組成，通過(guò)不斷變化域名服務(wù)器的解析結(jié)果，以大量被控制計(jì)算機(jī)的IP作為域名服務(wù)IP［2］，從而避免IP檢測(cè)等技術(shù)導(dǎo)致的服務(wù)不可用。Fast-Flux服務(wù)網(wǎng)絡(luò)核心目的是為一個(gè)Fast-Flux域名分配多個(gè)（多達(dá)幾百甚至上千個(gè)）IP地址，通過(guò)快速更換Fast-Flux域名所對(duì)應(yīng)IP地址來(lái)達(dá)到防止被追蹤的目的，進(jìn)而隱藏最終惡意服務(wù)器的真實(shí)定位。

Fast-Flux技術(shù)是僵尸網(wǎng)絡(luò)常用的一種DNS防追蹤技術(shù)，主要分為兩類(lèi)：Single-Flux技術(shù)和Double-Flux技術(shù)。Single-Flux技術(shù)是只有一層變化的Fast-flux，模式相對(duì)簡(jiǎn)單，底層域名服務(wù)器通過(guò)不斷變換域名對(duì)應(yīng)的IP地址列表，返回頻繁變化的被控制計(jì)算機(jī)的IP地址，由于這種模式只有一層，相對(duì)容易暴露。相對(duì)于Single-Flux技術(shù)，Double-Flux是一種更加復(fù)雜的Fast-Flux技術(shù)，它多了一個(gè)附加層，通過(guò)更改權(quán)威名稱(chēng)服務(wù)器（Authoritative Name Server）記錄來(lái)增加誤導(dǎo)，這在惡意軟件網(wǎng)絡(luò)中提供了額外的冗余層和可生存性，檢測(cè)起來(lái)更加困難。

內(nèi)容分發(fā)網(wǎng)絡(luò)（Content Delivery Network，CDN）和循環(huán) DNS（Round Robin Domain Name System，RRDNS）是Web服務(wù)器用來(lái)實(shí)現(xiàn)高可用性和負(fù)載平衡的兩種主流技術(shù)，CDN和 RRDNS訪(fǎng)問(wèn)DNS流量的特征行為與FFSN技術(shù)的特征行為非常相似。CDN是由分布在不同地理位置的邊緣節(jié)點(diǎn)服務(wù)器群組成的一種分布式網(wǎng)絡(luò)，當(dāng)客戶(hù)端對(duì)采用CND技術(shù)的域名發(fā)起訪(fǎng)問(wèn)時(shí)，域名服務(wù)器會(huì)通過(guò)為客戶(hù)端提供附近服務(wù)器的IP地址集來(lái)實(shí)現(xiàn)。在RRDNS中，通過(guò)將Web服務(wù)器的主機(jī)名映射到多個(gè)IP地址，這種映射以循環(huán)方式不斷變化，使某個(gè)域名的權(quán)威域名服務(wù)器將工作負(fù)載分配到多個(gè)冗余Web服務(wù)器上，客戶(hù)端每一次發(fā)出DNS查詢(xún)請(qǐng)求，都可以獲取不同順序的給定主機(jī)名的IP地址列表。在實(shí)際網(wǎng)絡(luò)中，訪(fǎng)問(wèn)采用CND和RRDNS這些合法技術(shù)的域名也會(huì)存在DNS服務(wù)器向客戶(hù)返回多個(gè)IP地址，而且TTL值也很低。因此，如何有效區(qū)分FFSN和其他兩種技術(shù)，減少誤報(bào)率，成為一個(gè)亟待解決的問(wèn)題。

1 相關(guān)研究

Fast-Flux的概念是在2007年由Gadi提出的，2008年 7月，德國(guó)蜜網(wǎng)項(xiàng)目組（The Honeynet Project）對(duì)Fast-Flux技術(shù)展開(kāi)了完整和詳細(xì)的研究［2］，系統(tǒng)介紹了 Fast-Flux工作原理、分類(lèi)、特點(diǎn)等，之后針對(duì)Fast-Flux域名的檢測(cè)方法的研究持續(xù)開(kāi)展起來(lái)。綜合分析大量文獻(xiàn)，已有針對(duì)Fast-Flux的檢測(cè)方法的研究主要分為以下2種：

（1）主動(dòng)域名數(shù)據(jù)獲取

主動(dòng)域名數(shù)據(jù)獲取是通過(guò)采集者向域名服務(wù)器發(fā)送DNS請(qǐng)求并記錄相應(yīng)的DNS響應(yīng)記錄來(lái)實(shí)現(xiàn)，記錄內(nèi)容包括比如被解析IP地址、TTL值、NS記錄等。基于主動(dòng)域名數(shù)據(jù)獲取的策略已被廣泛探索。Holz等［3］對(duì)FFSN網(wǎng)絡(luò)開(kāi)展了試驗(yàn)性研究，總結(jié)了FFSN和CND的差異并提出了Fast-Flux域名的檢測(cè)方法。Passerini等［4］分析提取了FFSN的9個(gè)特征將其用于FFSN檢測(cè)，特征包括域名注冊(cè)時(shí)間、注冊(cè)商、A記錄、TTL值等。國(guó)內(nèi)最早開(kāi)展FFSN相關(guān)研究是在2009年汪洋［5］構(gòu)建了A記錄數(shù)、IP分散度等4個(gè)特征作為檢測(cè)向量，提出了一個(gè)Fast-Flux域名檢測(cè)機(jī)制。褚燕琴等［6］從多個(gè)維度對(duì)Fast-Flux惡意域名的行為特征進(jìn)行了全面分析，并進(jìn)一步開(kāi)展了特征辨識(shí)度的分析和研究。主動(dòng)獲取方式簡(jiǎn)單靈活，但是獲取的數(shù)據(jù)被局限，有很大的偏向性。這種方法簡(jiǎn)化了FFSN檢測(cè)，但需要解析可能與惡意活動(dòng)關(guān)聯(lián)的域名，而且會(huì)耗用大量的內(nèi)存，無(wú)法做到在線(xiàn)快速實(shí)時(shí)檢測(cè)，在面向企業(yè)網(wǎng)絡(luò)監(jiān)控的實(shí)施中存在相應(yīng)的缺陷［7］。

（2）被動(dòng)域名數(shù)據(jù)獲取

被動(dòng)域名獲取方式主要是通過(guò)在DNS域名服務(wù)器部署相應(yīng)的數(shù)據(jù)獲取設(shè)備或者軟件來(lái)得到包含DNS請(qǐng)求或應(yīng)答記錄的日志文件。被動(dòng)獲取的方式獲取的數(shù)據(jù)一般范圍較廣，隨機(jī)性強(qiáng)，具有更加豐富的特征和統(tǒng)計(jì)特性，在惡意行為的檢測(cè)中被普遍使用。被動(dòng)檢測(cè)方法既可以減輕網(wǎng)絡(luò)設(shè)備的負(fù)擔(dān)，又可以準(zhǔn)確地實(shí)施檢測(cè)，已經(jīng)成為目前的熱門(mén)檢測(cè)方法。Bilge等［8］提出了基于被動(dòng)DNS的惡意域名分析與檢測(cè)系統(tǒng)EXPOSURE，實(shí)現(xiàn)了對(duì)惡意活動(dòng)中的惡意域名進(jìn)行檢測(cè)。Perdisci等［9］對(duì)DNS流量進(jìn)行了大規(guī)模的被動(dòng)分析，他們從DNS流量中提取一些相關(guān)的特征，并通過(guò)C4.5決策樹(shù)分類(lèi)器對(duì)域名進(jìn)行分類(lèi)。周昌令等［10］從域名的時(shí)間性、增長(zhǎng)性、多樣性、相關(guān)性等方面共提取了18個(gè)特征，構(gòu)建了一種基于隨機(jī)森林算法的Fast-Flux域名識(shí)別模型。Lombardo等［11］提出一種分析企業(yè)網(wǎng)絡(luò)DNS流量的檢測(cè)方法，基于靜態(tài)指標(biāo)和歷史指標(biāo)來(lái)對(duì)數(shù)據(jù)進(jìn)行評(píng)估，檢測(cè)惡意流量。牛偉納等［12］結(jié)合卷積和循環(huán)神經(jīng)網(wǎng)絡(luò)，提出了一種基于流量時(shí)空特征的速變域名僵尸網(wǎng)絡(luò)的檢測(cè)方法，這種方式省略了特征提取過(guò)程，但是算法復(fù)雜度較高。 Al-Duwairi等［13］提出了一種帶有RBF內(nèi)核的SVM算法，并使用3種類(lèi)型的人工神經(jīng)網(wǎng)絡(luò)對(duì)PASSVM進(jìn)行評(píng)估。

2 特征選取

為了將 FFSN網(wǎng)絡(luò)與 CDN以及 RRDNS等（FFSN網(wǎng)絡(luò)檢測(cè)的主要挑戰(zhàn)）合法網(wǎng)絡(luò)區(qū)別開(kāi)來(lái)，根據(jù)FFSN特點(diǎn)［10］，本文提出了以下8個(gè)關(guān)鍵特征。雖然，通常情況下FFSN的TTL值一般都很小，但是并不認(rèn)為T(mén)TL值是一個(gè)好的特征參數(shù)，這是因?yàn)楹戏ǖ挠蛎ㄈ缤ㄟ^(guò)CDN技術(shù)托管的域名）在適應(yīng)網(wǎng)絡(luò)擁塞或服務(wù)器中斷的速度方面與FFSN有類(lèi)似的要求，它的TTL值有時(shí)也會(huì)很小。

（1）域名解析IP的累計(jì)數(shù)量NIP

由于單個(gè)節(jié)點(diǎn)的可靠性較低，相比CDN，F(xiàn)ast-Flux技術(shù)通常使用大量IP地址。在DNS查詢(xún)中返回A記錄（IP地址）累計(jì)數(shù)量是衡量Fast-Flux攻擊流動(dòng)性的一個(gè)簡(jiǎn)單指標(biāo)。在大多數(shù)Fast-Flux攻擊中，域名服務(wù)器將返回5個(gè)或者更多的IP地址。然而，合法的域名通常不需要返回許多IP地址。在每次Fast-Flux攻擊中，與惡意流量域名關(guān)聯(lián)的不同的IP地址數(shù)量都在增加。經(jīng)過(guò)很長(zhǎng)一段時(shí)間后，域名解析IP的值NIP可以達(dá)到數(shù)百或數(shù)千。但普通合法網(wǎng)絡(luò)的NIP累積值不會(huì)持續(xù)增加。顯然，NIP是一個(gè)用來(lái)確定流量是否合法的非常有用的度量標(biāo)準(zhǔn)。

（2）最大回答長(zhǎng)度MA

由于Fast-Flux域名單個(gè)A查詢(xún)返回的IP地址數(shù)量一般要高于合法域名，選取單個(gè)A查詢(xún)中IP地址數(shù)量的最大值MA來(lái)作為一個(gè)特征。

（3）ASN累積數(shù)量NASN

合法的域名，甚至是通過(guò)CDN托管的域名，往往只返回一個(gè)或者少數(shù)特定ASN（自治系統(tǒng)編號(hào)）記錄。相比之下，F(xiàn)FSN網(wǎng)絡(luò)因?yàn)槭芨腥镜臋C(jī)器分散在不同的ISP上，它們通常屬于不同的自治系統(tǒng)，有著不同的ASN。所以，在一段時(shí)間中，所有“A”記錄的累計(jì)自治域ASN數(shù)量NASN是衡量Fast-Flux流量攻擊的一個(gè)簡(jiǎn)單度量。

（4）IP在不同AS中分散的程度DASN

對(duì)一些初步的Fast-Flux數(shù)據(jù)包的分析表明，盡管ASN絕對(duì)數(shù)量在一般情況下非常有用，但在某些情況下，ASN的絕對(duì)數(shù)量并不是一個(gè)特別明顯的特征，而其與IP數(shù)量NIP的比值更合適。為此，本文定義了量化IP在不同AS中分散程度的度量指標(biāo)DASN。 這個(gè)量的取值范圍從DASN～0（當(dāng)所有的IP都在同一個(gè)ASN并且IP的數(shù)量很大時(shí)）到DASN＝1（當(dāng)每個(gè)IP都在不同的ASN時(shí)），表達(dá)式為

（5）IP所屬網(wǎng)絡(luò)分散的程度EIP

一個(gè)惡意的Fast-Flux域名往往被解析到許多不同網(wǎng)絡(luò)的不同IP地址。與該域名相關(guān)的不同網(wǎng)絡(luò)數(shù)量越多，主機(jī)就越分散，并被用作Fast-Flux惡意域名的概率就會(huì)越大。本文引入信息論中熵的概念來(lái)表示解析IP地址集的分散程度，計(jì)算IP地址的16 bit前綴（IP／16）的熵，熵越大，IP地址集越分散。假設(shè)IP地址集的集合為P，IP的16 bit前綴x在集合 P 中所占的比例為 p（x），p（x） ＝ count（x）／｜P｜，count（x）表示IP地址的16 bit前綴為x的個(gè)數(shù)，則IP所屬網(wǎng)絡(luò)分散的程度表示為

（6）域名服務(wù)器記錄數(shù)量MNS

單次DNS解析中的NS域名記錄數(shù)量是衡量Fast-Flux攻擊的一個(gè)簡(jiǎn)單指標(biāo)。在Double-Flux攻擊中，母體Mothership在FFSN網(wǎng)絡(luò)中托管他的權(quán)威名稱(chēng)服務(wù)器，由Mothership控制的惡意DNS服務(wù)器為了發(fā)動(dòng)Fast-Flux攻擊，往往會(huì)返回多條NS記錄。相反，合法域名在單個(gè)DNS查詢(xún)中只返回少部分NS 記錄［14］。 因此，在一次 DNS 查詢(xún)中，F(xiàn)ast-Flux 域名的NS記錄比合法流量攻擊域的更多，選取檢測(cè)時(shí)間內(nèi)單次查詢(xún)中域名記錄數(shù)量的最大值MNS來(lái)作為檢測(cè)特征。

（7）IP池的變化情況CIP

IP池指某域名解析IP地址的集合，合法域名要提供正常網(wǎng)絡(luò)服務(wù)，必須用合法的IP解析地址，這些解析IP地址多是穩(wěn)定的服務(wù)器，IP地址相對(duì)固定，即便更換，IP地址替換的范圍也在有限數(shù)量的地址池內(nèi)。FFSN由于單個(gè)節(jié)點(diǎn)的可靠性較低，為了保持可用性，F(xiàn)FSN通常占用更多IP地址資源，這些IP通常是缺乏保護(hù)的終端主機(jī)，在線(xiàn)時(shí)間不穩(wěn)定并且可能隨時(shí)離線(xiàn)，F(xiàn)FSN必須在生存期間繼續(xù)快速添加新IP。所以一般認(rèn)為FFSN的IP池不斷發(fā)生變化。假設(shè)檢測(cè)時(shí)間為T(mén)，將檢測(cè)時(shí)間T均分n個(gè)時(shí)間切片，記為T(mén)i，i的取值為1～n，表示第i個(gè)時(shí)間段Ti中IP池IP數(shù)量。是一個(gè)基于歷史的指標(biāo)，表示某個(gè)域名在所有時(shí)間段IP池中IP數(shù)量的平均值。

NIP是檢測(cè)時(shí)間為T(mén)內(nèi)，域名解析IP的累計(jì)數(shù)量，本文定義了一個(gè)度量標(biāo)準(zhǔn)，以一種非常簡(jiǎn)單的方式度量IP池中的變化

如果IP池穩(wěn)定，每個(gè)時(shí)間段IP池?cái)?shù)量和內(nèi)容都一樣，那NIP和相等，CIP為0。當(dāng)IP池從一個(gè)時(shí)間段到另外一個(gè)時(shí)間段發(fā)生了很大的變化，則域名解析IP的累計(jì)數(shù)量NIP一定會(huì)大大超過(guò)，從而導(dǎo)致CIP變大。

（8）ASN池的變化情況CASN

對(duì)合法域名解析出的IP地址分布一般都比較統(tǒng)一，ASN數(shù)量較少，變化也緩慢。而Fast-Flux惡意域名因?yàn)楸豢赜?jì)算機(jī)分布的不確定性，往往位于不同的自治系統(tǒng)，隨著時(shí)間的變化，ASN池集合也會(huì)發(fā)生較大變化。對(duì)照IP池集合的變化CIP，提出ASN池集合的變化CASN，是某個(gè)域名在所有時(shí)間段IP池中ASN數(shù)量的平均值。

3 檢測(cè)流程和算法分析

3.1 檢測(cè)流程

根據(jù)上文的特征屬性分析以及Fast-Flux惡意域名的檢測(cè)需求，F(xiàn)ast-Flux域名的檢測(cè)流程如圖1所示。

圖1 基于實(shí)時(shí)特征的FFSN檢測(cè)流程方法

（1）數(shù)據(jù)過(guò)濾

1）協(xié)議過(guò)濾。首先基于53端口號(hào)和UDP協(xié)議獲取DNS數(shù)據(jù)包。

2）黑／白名單的過(guò)濾。采用基于黑／白名單的過(guò)濾方式縮小相對(duì)龐大的DNS流量，如果當(dāng)前數(shù)據(jù)包的數(shù)據(jù)與黑白名單中的記錄相匹配，則不再檢測(cè)。白名單選取Alexa前10萬(wàn)條域名以及本地常用合法域名，黑名單為已知Fast-Flux惡意域名。

3）基于實(shí)時(shí)特征的過(guò)濾。根據(jù)對(duì)Fast-Flux域名可用性模型的研究［5］，當(dāng) TTL大于1 800 s時(shí)，F(xiàn)ast-Flux網(wǎng)絡(luò)的可用性概率接近為零。因此TTL大于1 800 s的查詢(xún)將被過(guò)濾。

（2）流量檢測(cè)

這是FFSN檢測(cè)的第二階段，主要是針對(duì)上一階段過(guò)濾出來(lái)的剩余流量進(jìn)行準(zhǔn)確分析與檢測(cè)。利用機(jī)器學(xué)習(xí)算法和訓(xùn)練數(shù)據(jù)構(gòu)建檢測(cè)模型，然后對(duì)過(guò)濾后流量進(jìn)行特征向量提取，選取的特征內(nèi)容見(jiàn)第2節(jié)特征選取，使用訓(xùn)練好的檢測(cè)模型對(duì)提取出來(lái)的特征向量數(shù)據(jù)集進(jìn)行檢測(cè)，得出被檢測(cè)的域名是否為Fast-Flux惡意域名。

3.2 算法分析

3.2.1 算法概述

決策樹(shù)算法是機(jī)器學(xué)習(xí)算法中一種非常經(jīng)典的分類(lèi)方法，主要優(yōu)點(diǎn)是模型簡(jiǎn)單直觀(guān)，具有可讀性，分類(lèi)速度快，但是決策樹(shù)算法一般容易產(chǎn)生過(guò)擬合問(wèn)題，導(dǎo)致模型的泛化能力不強(qiáng)。雖然可以通過(guò)剪枝方法解決模型過(guò)度擬合的問(wèn)題，但是會(huì)增加算法的復(fù)雜性。隨機(jī)森林算法是利用訓(xùn)練數(shù)據(jù)產(chǎn)生很多棵決策樹(shù)，形成一個(gè)森林，然后每次從森林中選擇若干棵樹(shù)進(jìn)行預(yù)測(cè)，選擇結(jié)果最多的作為預(yù)測(cè)結(jié)果。隨機(jī)森林算法因?yàn)橐肓穗S機(jī)性，不容易發(fā)生過(guò)擬合，分類(lèi)準(zhǔn)確率較高，能夠有效地在大數(shù)據(jù)集上運(yùn)用。一般來(lái)說(shuō)，隨機(jī)森林算法的判決性能優(yōu)于決策樹(shù)算法，擁有廣泛的應(yīng)用前景［15－16］。綜合隨機(jī)森林算法的以上優(yōu)點(diǎn)，本文選用隨機(jī)森林算法作為惡意域名的識(shí)別算法。

隨機(jī)森林采用的典型決策樹(shù)的算法主要有ID3算法，C4.5算法以及CART算法等。ID3算法是一種最早提出的傳統(tǒng)的決策樹(shù)算法，它的核心是在決策樹(shù)的各個(gè)節(jié)點(diǎn)上利用信息增益準(zhǔn)則來(lái)進(jìn)行特征選擇，遞歸地構(gòu)建決策樹(shù)。ID3算法的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，構(gòu)建速度快，但是這種算法由于使用信息增益來(lái)選取特征，使得有一種傾向性，偏向選取取值較多的特征，而這個(gè)特征并不一定是最優(yōu)的。C4.5算法是目前較主流的一種決策樹(shù)算法，它對(duì)ID3算法進(jìn)行了改進(jìn)優(yōu)化，用信息增益率取代信息增益值來(lái)進(jìn)行特征選擇，從而避免了ID3算法中的歸納偏置問(wèn)題。在樹(shù)的構(gòu)造過(guò)程中能夠完成對(duì)連續(xù)屬性的離散化處理，而且可以通過(guò)剪枝操作進(jìn)行優(yōu)化，缺點(diǎn)是相對(duì)于ID3算法，計(jì)算復(fù)雜度略高。CART算法也是一種常用的決策樹(shù)算法，它是使用基尼系數(shù)作為數(shù)據(jù)純度的量化指標(biāo)來(lái)構(gòu)建決策樹(shù)，既可以用作分類(lèi)，也可以做回歸。目前，隨機(jī)森林算法最常用的決策樹(shù)算法是C4.5和CART算法，分別基于信息增益率和基尼系數(shù)來(lái)進(jìn)行特征選擇，由于信息增益率和基尼系數(shù)都是特征選擇的重要指標(biāo)，本文選擇信息增益率和基尼系數(shù)的線(xiàn)性組合作為節(jié)點(diǎn)分裂的指標(biāo)。

3.2.2 基于隨機(jī)森林算法的檢測(cè)模型構(gòu)建

（1）模型訓(xùn)練整體流程

1）隨機(jī)樣本集選擇：假定隨機(jī)森林要建立M棵決策樹(shù)，每棵用于訓(xùn)練的決策樹(shù)都是通過(guò)隨機(jī)、Bootstrap有放回的從全部訓(xùn)練數(shù)據(jù)中選取和原始數(shù)據(jù)集相同的訓(xùn)練數(shù)據(jù)集，此要求是為了防止每棵樹(shù)用于訓(xùn)練的數(shù)據(jù)一樣，從而導(dǎo)致訓(xùn)練出的每一棵樹(shù)都一樣。

2）隨機(jī)特征集選擇：對(duì)決策樹(shù)每個(gè)節(jié)點(diǎn)向下進(jìn)行分裂時(shí)，用Forestes-RI方法從待選K個(gè)特征中隨機(jī)選取n個(gè)特征，n的取值一般為log2K＋1，使得森林中的每棵樹(shù)都可以彼此不同，從而提升分類(lèi)性能。

3）特征選擇，構(gòu)建決策樹(shù)：從特征子集中選擇最優(yōu)分裂特征和分裂值來(lái)建立M棵決策樹(shù)，組成隨機(jī)森林。

4）結(jié)果輸出：匯總M棵決策樹(shù)的分類(lèi)結(jié)果，概率最大的一個(gè)分類(lèi)結(jié)果為最終輸出結(jié)果。

（2）決策樹(shù)節(jié)點(diǎn)分裂指標(biāo)構(gòu)建

對(duì)于隨機(jī)森林中常用的決策樹(shù)算法：ID3算法、C4.5算法以及CART算法，決策樹(shù)特征選擇的對(duì)應(yīng)指標(biāo)主要有信息增益、信息增益率和基尼系數(shù)。在隨機(jī)森林算法中，普遍選擇信息增益率或者基尼系數(shù)作為節(jié)點(diǎn)分裂指標(biāo)。

1）基尼系數(shù)

基尼（Gini）系數(shù)表示某特征下包含屬性的雜亂程度，一般來(lái)說(shuō)，總體內(nèi)部純度越高，基尼系數(shù)越小，內(nèi)部包含越混亂，基尼系數(shù)越大。假設(shè)某節(jié)點(diǎn)樣本集為S，包含樣本的種類(lèi)數(shù)目為k，pi為某節(jié)點(diǎn)中某類(lèi)樣本數(shù)目和該節(jié)點(diǎn)中樣本總數(shù)的比值，則該節(jié)點(diǎn)的基尼系數(shù)為

如果樣本集S被某個(gè)特征T劃分為兩個(gè)子集T1和T2，S1為子集T1中樣本數(shù)量，S2為子集T2中樣本數(shù)量，劃分后的基尼系數(shù)為

2）信息增益率

信息增益（Gain）是在信息熵的基礎(chǔ)上得來(lái)的，表示在某個(gè)條件下，信息復(fù)雜度（不確定性）的減少程度。由于信息增益作為特征選擇指標(biāo)容易產(chǎn)生多值偏向性的問(wèn)題，在信息增益指標(biāo)基礎(chǔ)上引入了信息增益率指標(biāo)。對(duì)于特征T，它的信息增益率GainRatio（T） 表示為

其中，H（D）表示數(shù)據(jù)集D的熵值，H（D｜T）為確定了特征T之后數(shù)據(jù)集的熵值，Gain（T）表示信息增益，表示在確定特征T之后，對(duì)應(yīng)數(shù)據(jù)集熵值的減少程度。

3）基于線(xiàn)性組合的節(jié)點(diǎn)分裂指標(biāo)構(gòu)建決策樹(shù)

由于Gini系數(shù)和信息增益率都是節(jié)點(diǎn)分裂的重要指標(biāo)，本文在節(jié)點(diǎn)分裂時(shí)，選擇Gini系數(shù)和信息增益率的線(xiàn)性組合作為特征選擇的指標(biāo)，表達(dá)式為

其 中，βi（i＝1，2） ∈ （0，1），Gini（S，T） 和GainRatio（T）分別表示基尼系數(shù)和信息增益率，計(jì)算分別見(jiàn)式（8）和式（9）。 選擇φ（α）值最小的特征作為節(jié)點(diǎn)分裂選擇特征。

對(duì)于連續(xù)型特征，需要將連續(xù)性特征轉(zhuǎn)換為離散屬性再進(jìn)行下一步處理。假設(shè)訓(xùn)練數(shù)據(jù)包含N個(gè)樣本，從任意兩個(gè)相鄰樣本數(shù)據(jù)之間尋找分類(lèi)點(diǎn)，計(jì)算每一個(gè)分裂情況的φ（α），取值最小的作為分裂點(diǎn)即可。

3.2.3 評(píng)估方式

本文選擇召回率（Recall）、精確率（Precision）以及準(zhǔn)確率作為提出方法的標(biāo)準(zhǔn)評(píng)價(jià)，表1對(duì)評(píng)估過(guò)程所需要參數(shù)做了定義。

表1 評(píng)估參數(shù)

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)環(huán)境

由于網(wǎng)絡(luò)流量數(shù)據(jù)量較大，本實(shí)驗(yàn)需要處理的數(shù)據(jù)較多，需要系統(tǒng)具備較好的運(yùn)算能力和響應(yīng)處理能力，硬件環(huán)境配置如表2所示。

表2 實(shí)驗(yàn)環(huán)境參數(shù)表

4.2 數(shù)據(jù)集選取

本文實(shí)驗(yàn)數(shù)據(jù)集采用的是ISOT數(shù)據(jù)集［17］，數(shù)據(jù)集包括公開(kāi)的惡意數(shù)據(jù)集和非惡意數(shù)據(jù)集。惡意數(shù)據(jù)集是從德國(guó)蜜網(wǎng)項(xiàng)目（The Honeynet Project）中獲取的，主要包括Strom和Waledac僵尸網(wǎng)絡(luò)流量數(shù)據(jù)。非惡意數(shù)據(jù)集表示非惡意的日常使用流量，由兩個(gè)不同的數(shù)據(jù)集合并而來(lái)，分別是來(lái)自匈牙利愛(ài)立信研究中心交通實(shí)驗(yàn)室以及勞倫斯伯克利國(guó)家實(shí)驗(yàn)室（LBNL）的數(shù)據(jù)集，包含來(lái)自各種應(yīng)用程序的大量通用流量、流行的 bittorrent客戶(hù)端（如Azureus）流量以及企業(yè)網(wǎng)絡(luò)流量等。數(shù)據(jù)集中數(shù)據(jù)分布情況如表3所示。

表3 ISOT數(shù)據(jù)集記錄數(shù)量

首先對(duì)數(shù)據(jù)集數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，從數(shù)據(jù)集中提取協(xié)議類(lèi)型為DNS協(xié)議的數(shù)據(jù)類(lèi)型，然后針對(duì)響應(yīng)報(bào)文數(shù)據(jù)包進(jìn)行特征向量提取，形成實(shí)驗(yàn)數(shù)據(jù)集。

4.3 算法對(duì)比實(shí)驗(yàn)

為了確保對(duì)比效果的有效性，采用10折交叉驗(yàn)證（Cross Validation）的方法進(jìn)行檢驗(yàn)，實(shí)驗(yàn)均值為模型得分。在決策樹(shù)節(jié)點(diǎn)分裂指標(biāo)上，將本文提出的Gini系數(shù)和信息增益率的線(xiàn)性組合作為結(jié)點(diǎn)分裂指標(biāo)的方法與文獻(xiàn)［9］采用的C4.5決策樹(shù)算法、文獻(xiàn)［10］采用的傳統(tǒng)隨機(jī)森林算法以及文獻(xiàn)［13］采用的SVM算法進(jìn)行比較，比較的指標(biāo)為3.2.3節(jié)評(píng)估方式中的3個(gè)指標(biāo)，如圖2所示，在召回率（R）、精確率（P）和準(zhǔn)確率（ACC）上更有優(yōu)勢(shì)。

圖2 不同算法效果對(duì)比結(jié)果

4.4 現(xiàn)網(wǎng)數(shù)據(jù)測(cè)試

本文選取基礎(chǔ)電信企業(yè)DNS服務(wù)器日志數(shù)據(jù)作為現(xiàn)網(wǎng)測(cè)試數(shù)據(jù)，將測(cè)試數(shù)據(jù)分為5組，選取數(shù)據(jù)如表4所示，經(jīng)過(guò)數(shù)據(jù)過(guò)濾環(huán)節(jié)，進(jìn)行特征提取，然后使用建立好的檢測(cè)模型對(duì)5組測(cè)試數(shù)據(jù)流量進(jìn)行檢測(cè)，得出分類(lèi)結(jié)果。

表4 實(shí)驗(yàn)數(shù)據(jù)

以第一組數(shù)據(jù)為例（2020-11-10—12 0：00—12：00），通過(guò)DNS協(xié)議、黑白名單過(guò)濾、域名特征過(guò)濾后的DNS日志約有54 244 904條。因?yàn)閿?shù)據(jù)量過(guò)大，選擇1 h為一個(gè)檢測(cè)周期，通過(guò)模型檢測(cè)，最終發(fā)現(xiàn)如下疑似Fast-Flux惡意域名，如表5所示。

表5 疑似Fast-Flux惡意域名

實(shí)驗(yàn)結(jié)果是否是Fast-Flux惡意域名是通過(guò)特征分析以及惡意域名網(wǎng)站驗(yàn)證的方法來(lái)驗(yàn)證的，但是virustotal.com和微步（x.threatbook.cn）等惡意域名網(wǎng)站在很多情況下，只能標(biāo)記域名是否是惡意，但是沒(méi)有對(duì)惡意域名是否是Fast-Flux惡意域名進(jìn)行分類(lèi)，而且對(duì)于一些新出現(xiàn)的域名，存在是Fast-Flux惡意域名，但是沒(méi)有進(jìn)行標(biāo)記的情況，所以，本文驗(yàn)證方法采用先用惡意域名網(wǎng)站驗(yàn)證，如果標(biāo)記為Fast-Flux惡意域名，驗(yàn)證結(jié)束，否則再以特征分析進(jìn)行驗(yàn)證。

以x1.dnsseed.blue matt.me域名為例，對(duì)其特征進(jìn)行分析，表6為在實(shí)際數(shù)據(jù)中該域名在DNS服務(wù)器221.5.203.108和221.7.92.108上得到的解析IP的情況

表6 疑似Fast-Flux惡意域名解析情況

觀(guān)察其請(qǐng)求的具體行為，他們解析IP地址數(shù)量相比正常域名返回的解析IP地址數(shù)量多，ASN碼和網(wǎng)絡(luò)分散程度也比正常域名的多，IP在不同ASN中分散的程度很大，存在較為明顯的Fast-Flux僵尸網(wǎng)絡(luò)中惡意域名的特征。

通過(guò)特征分析以及惡意域名網(wǎng)站驗(yàn)證的方法來(lái)驗(yàn)證實(shí)驗(yàn)結(jié)果是否是Fast-Flux域名，分別計(jì)算5組現(xiàn)網(wǎng)測(cè)試數(shù)據(jù)精確率。通過(guò)驗(yàn)證，該檢測(cè)方法精確率的平均值為92.32%，模型的處理速度可以達(dá)到5 947條／s，一天數(shù)據(jù)的檢測(cè)時(shí)長(zhǎng)約為6 h，達(dá)到較好的檢測(cè)效果。實(shí)驗(yàn)證明本文采用的檢測(cè)特征數(shù)量較少（8個(gè)），提取簡(jiǎn)單，但是實(shí)際運(yùn)用效果很好，不存在模型復(fù)雜度過(guò)大的問(wèn)題，而且計(jì)算復(fù)雜度較小，更適合實(shí)際環(huán)境應(yīng)用。

5 結(jié)束語(yǔ)

本文針對(duì)Fast-Flux技術(shù)進(jìn)行研究，提出了一種基于被動(dòng)DNS流量的Fast-Flux惡意域名檢測(cè)方法。首先，基于DNS協(xié)議、黑白名單、DNS流量實(shí)時(shí)特征對(duì)流量數(shù)據(jù)進(jìn)行過(guò)濾，然后，構(gòu)建了識(shí)別Fast-Flux網(wǎng)絡(luò)的8個(gè)簡(jiǎn)單有效的特征集，采用基于Gini系數(shù)和信息增益率的線(xiàn)性組合的隨機(jī)森林算法建立相應(yīng)的識(shí)別模型，進(jìn)行Fast-Flux惡意域名檢測(cè)。最后，將基礎(chǔ)電信企業(yè)DNS服務(wù)器日志數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，證明了系統(tǒng)的有效性。本文的局限性在于Fast-Flux惡意域名的公開(kāi)數(shù)據(jù)集較少，本文采用的ISOT數(shù)據(jù)集中Fast-Flux惡意域名數(shù)據(jù)集較小，導(dǎo)致訓(xùn)練數(shù)據(jù)集規(guī)模較小，檢測(cè)模型的性能可以進(jìn)一步提升。