基于VirusTotal扩展的Fast-Flux域名数据集:面向DNS安全检测的公开基准与多任务评估框架

《Data》:Fast-Flux Dataset: Enhancing Cybersecurity Analysis and Defense

【字体: 大 中 小 】 时间:2026年09月19日 来源:Data 2.4

编辑推荐:

   Fast-Flux网络(Fast-Flux Network, FFN)通过频繁更换其IP地址来维持自身可访问性,通常能够规避标准检测技术。2025年4月,六个国家发布了联合公告,将该方法描述为国家安全威胁,并呼吁DNS(域名系统)提供商改进其检测分析能力。

  


Fast-Flux网络(Fast-Flux Network, FFN)通过频繁更换其IP地址来维持自身可访问性,通常能够规避标准检测技术。2025年4月,六个国家发布了联合公告,将该方法描述为国家安全威胁,并呼吁DNS(域名系统)提供商改进其检测分析能力。大多数用于此类分析的现有数据集已经过时。本数据描述论文展示了一个新的Fast-Flux数据集,该数据集汇编自已确认的Fast-Flux域名,并通过长达两个月的反复DNS查询构建而成。研究人员利用VirusTotal查找与每个解析地址相关联的其他域名。该数据集包含67,606个Fast-Flux域名和23,924个来自Alexa热门网站排行榜的合法域名。对于每个域名和IP地址,研究人员均记录了其地理位置、自治系统编号(Autonomous System Number, ASN)及所属国家。数据集还包含一个特征文件,内含91,530条记录和20个特征。此外,数据集还提供了威胁模型、三项分析任务以及来自多项研究的评估结果。按此方案训练的随机森林(Random Forest)分类器达到了96.0%的分类准确率,作为参考基线。研究人员提供了原始JSON(JavaScript对象表示法)响应,以便使用者检查或修改特征定义。
**论文解读**

**一、研究背景与问题提出**

Fast-Flux网络是一种通过持续轮换DNS响应中的IP地址来逃避检测与打击的对抗性技术。其核心原理是:攻击者配置极短的TTL(生存时间,Time-To-Live)值,使域名在每次解析时指向不同的地址池成员,从而令基于IP黑名单的封堵手段失效。该技术在钓鱼页面分发、恶意软件传播、C2(命令与控制,Command and Control)服务器维持及数据窃取等恶意活动中被广泛使用。2025年4月,六国网络安全机构联合发布公告,将Fast-Flux定性为国家安全威胁,并敦促防护性DNS提供商开发准确、及时的检测分析方案。MITRE ATT&CK框架亦将Fast-Flux列为独立攻击技术(编号T1568)。

然而,当前面临一个突出问题:绝大多数用于训练和评估Fast-Flux检测器的公开数据集编制于十年前,已严重过时,且多数已发表研究使用私有数据集,其准确率(96%至99%不等)因数据来源、类别定义和评估方式各不相同而无法横向比较,导致学界无法甄别哪些方法在特定域名类别上表现欠佳。为解决这一问题,研究人员构建并公开了一个全新的Fast-Flux数据集,旨在为学术界提供固定、可复现的评估基准。

**二、核心研究内容与意义**

研究人员围绕四个核心问题构建数据集:(1) 能否在一个固定、公开的Fast-Flux和良性域名集合上训练和评估检测器,使得不同研究报告的准确率具有可比性;(2) 当传播范围、注册历史、证书历史及文件关联信息均可获取时,域名的哪些特征包含了Fast-Flux信号;(3) 检测器在困难情形——即合法域名同样由多个国家多个地址提供服务时——表现如何;(4) Fast-Flux支撑基础设施在地址跨活动复用、注册商集中度及证书有效期方面呈现何种态势。数据集通过提供特征文件和原始JSON归档,同时支持上述四类研究需求。

**三、关键技术方法**

数据集构建从80个已确认的Fast-Flux域名出发(来源包括先前文献和社交媒体信息)。在两个多月的时间内,研究人员反复解析每个域名并记录DNS响应中的地址。随后,利用VirusTotal API查询每个地址,识别其所托管的其他域名及其托管时间段。该扩展步骤最终产生了67,606个Fast-Flux域名。良性子集以同样方式构建:对Alexa热门网站排行榜中的域名应用相同流程,获得23,924个合法域名。对每个域名和地址,研究人员记录了地理位置、自治系统编号(ASN)及国别信息。特征工程生成了包含20个特征的CSV文件,涵盖IP数量、ASN数量、国家数量、解析IP数量、子域名数量、引用文件数量、通信文件数量、历史SSL(安全套接字层)证书数量、WHOIS(域名注册信息查询协议)历史记录数量等。整个数据集以CC BY 4.0许可发布。

**四、研究结果**

**(一)特征空间结构**

主成分分析(PCA,Principal Component Analysis)表明,类别可分性主要集中在第一主成分上:Fast-Flux域名聚集于低端,Alexa域名沿该方向分散分布,两者在原点附近存在密集重叠区域。第二和第三主成分对类别分离贡献甚微,这意味着随机森林所发现的分界面并非肉眼可从散点图中辨识的简单线性分割。

**(二)基线分类结果**

采用五折分层交叉验证、按注册父域名分组以防止子域名跨折泄露,使用200棵树的随机森林在91,530条记录上达到96.0%的整体分类准确率。由于类别不平衡(Fast-Flux与合法域名比例约为三比一),需关注逐类指标:67,606个Fast-Flux记录中66,298个被正确识别,1,308个漏检;23,924个合法记录中21,573个被正确分类,2,351个被误报为Fast-Flux。合法域名的假阳性率约为10%,这在离线研究中可接受,但在实时阻断场景中代价高昂,是后续方法最需改进之处。

**(三)特征重要性排序**

随机森林基于各特征在节点分裂时的平均不纯度减少量进行排序:子域名数量以24.7%的贡献率排名第一,引用文件数量以21.9%排名第二,通信文件数量以12.8%排名第三,三者合计贡献近60%的决策权重。在传统Fast-Flux分析中备受关注的托管分散度特征排名低于预期:IP与ASN比率仅占5.5%,ASN原始计数仅占2.4%。顶级域名(TLD,Top-Level Domain)类型和兄弟域名数量贡献甚微,而域名熵值——虽常被视为算法生成域名的强指示器——亦处于下半区。

**(四)困难负样本任务**

当将良性子集限制为按ASN数量处于上十分位的合法域名(即模拟CDN类多宿主场景)时,检测器的区分能力面临最大考验,这也是基线方法表现最弱、新方法最可展现价值的任务设定。

**五、讨论与结论总结**

研究人员强调,该数据集的基线准确率(96.0%)低于多数已发表研究(98%–99%)并非劣势,因为以往各研究的数据来源、良性域名群体、类别比例乃至Fast-Flux定义均不统一,准确率数字不可直接比较。本基线的价值在于提供一个固定参考点,使任何研究者均可复现并尝试超越,同时首次将合法域名上的假阳性率显性化——该指标对防护性DNS运营商至关重要,而标题准确率恰恰掩盖了这一信息。

数据集的局限包括:VirusTotal API每次请求最多返回40条记录,研究人员最多进行10次请求,因此每个域名最多关联400次解析记录,处于该上界的域名存在右截断效应;DNS数据采集周期为两个月,VirusTotal解析历史回溯至2018年4月,故数据集反映的是该时间段的托管和注册行为特征;Alexa排名服务已终止,无法从同一来源重新生成良性域名列表,但归档保留了确切的域名集合;TTL值未被记录,因此本基准不适用于基于TTL的经典检测方法。

**研究结论**(逐条翻译):该数据集包含67,606个Fast-Flux域名和23,924个合法域名,配有地理位置、ASN和国别信息。特征文件包含91,530条记录和20个特征。按推荐评估方案训练的随机森林基线达到96.0%准确率,合法域名假阳性率为9.8%。数据集同时提供原始JSON响应和采集代码,支持使用者自定义特征计算和重新评估。三项定义明确的任务——Fast-Flux检测、合法多宿主区分和基础设施分析——为该领域研究提供了标准化评估框架。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号