
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Gregório, João Rafael | - |
| Autor(es): dc.creator | Cansian, Adriano Mauro | - |
| Autor(es): dc.creator | Neves, Leandro Alves | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T21:13:29Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T21:13:29Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2024-08-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/app14167244 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/306709 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/306709 | - |
| Descrição: dc.description | Domain Generation Algorithms (DGAs) are algorithms present in most malware used by botnets and advanced persistent threats. These algorithms dynamically generate domain names to maintain and obfuscate communication between the infected device and the attacker’s command and control server. Since DGAs are used by many threats, it is extremely important to classify a given DGA according to the threat it is related to. In addition, as new threats emerge daily, classifier models tend to become obsolete over time. Deep neural networks tend to lose their classification ability when retrained with a dataset that is significantly different from the initial one, a phenomenon known as catastrophic forgetting. This work presents a computational scheme composed of a deep learning model based on CNN and natural language processing and an incremental learning technique for class increment through transfer learning to classify 60 DGA families and include a new family to the classifier model, training the model incrementally using some examples from known families, avoiding catastrophic forgetting and maintaining metric levels. The proposed methodology achieved an average precision of 86.75%, an average recall of 83.06%, and an average F1 score of 83.78% with the full dataset, and suffered minimal losses when applying the class increment. | - |
| Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), São Paulo | - |
| Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), São Paulo | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Applied Sciences (Switzerland) | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | botnets | - |
| Palavras-chave: dc.subject | cybersecurity | - |
| Palavras-chave: dc.subject | deep learning | - |
| Palavras-chave: dc.subject | DGA | - |
| Palavras-chave: dc.subject | incremental learning | - |
| Palavras-chave: dc.subject | multiclass classification | - |
| Título: dc.title | Class Incremental Deep Learning: A Computational Scheme to Avoid Catastrophic Forgetting in Domain Generation Algorithm Multiclass Classification | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: