【技术实现步骤摘要】
本专利技术涉及领域，特别是涉及一种智能dns解析方法、装置、电子设备及存储介质。
技术介绍
1、互联网发展到目前阶段，cdn(内容缓存服务)的使用已经非常广泛。网址域名使用了cdn服务后，每个域名都会对应很多cdn节点，而cdn服务商难以做到每次更新cdn服务节点后都及时通知所有dns服务商，这就导致了互联网终端设备使用不同dns服务商的dns服务器查询域名得到的cdn节点ip地址不一定相同，这些cdn节点ip地址对互联网终端的响应时间有的快有的慢，这就产生了由于dns服务器查询返回ip地址的不同而访问网站速度不同的问题。于是，相关技术人员提出了智能dns解析的实现方案来解决上述问题。
2、目前，智能dns解析的实现方案有很多种，例如，基于用户地理位置、运营商实现就近接入的智能解析设置方法，传统dns解析的方式不判断访问者来源，会随机选择其中一个ip地址返回给访问者。而智能dns解析的方式则会判断访问者的来源，并返回配置的记录ip地址，以此提高访问速度和准确率。另外，还有一些实现方案，如基于源ip地址、目的ip地址、http协议等方式进行智能解析。但是，如果攻击者使用恶意软件来伪装成正常用户，那么上述智能dns解析就难以检测到这种攻击，进而导致系统访问的安全性难以得到保障。
3、因此，现有的智能dns解析方法较难检测到恶意软件的攻击，安全性较差。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够防止恶意软件冒充正常用户且安全性较高的智能dns解
2、本专利技术提供了一种智能dns解析方法，所述方法包括：
3、获取第一dns数据，并对所述第一dns数据进行预处理，得到模型输入数据，所述第一dns数据为至少具有域名、ip地址以及访问时间的dns数据；
4、将所述模型输入数据输入至深度学习网络模型进行训练，以获取模型参数和测试数据集；
5、根据所述测试数据集对训练后的深度学习网络模型进行评估，得到模型评估结果，所述模型评估结果用于对所述训练后的深度学习网络模型进行优化和调整，得到dns解析模型；
6、调用所述dns解析模型对实时dns数据进行解析，以判断当前网络访问请求是否存在异常。
7、在其中一个实施例中，所述获取第一dns数据，并对所述第一dns数据进行预处理，得到模型输入数据，包括：
8、获取所述第一dns数据，并将所述第一dns数据保存至数据库；
9、对所述第一dns数据进行清洗、去重以及缺失值填充处理，得到所述模型输入数据。
10、在其中一个实施例中，所述将所述模型输入数据输入至深度学习网络模型进行训练，以获取模型参数和测试数据集，之前还包括：
11、从所述模型输入数据中提取第一特征，所述第一特征至少包括所述第一dns数据的域名长度、访问频率以及地理位置；
12、基于所述第一特征，获取所述深度学习网络模型的训练数据集，所述训练数据集中包括所述深度学习网络模型的第一输入数据和第一输出数据。
13、在其中一个实施例中，所述将所述模型输入数据输入至深度学习网络模型进行训练，以获取模型参数和测试数据集，包括：
14、基于所述训练数据集，将所述第一输入数据作为所述深度学习网络模型的输入数据，并将所述第一输出数据作为所述深度学习网络模型的输出数据对所述深度学习网络模型进行训练，得到所述训练后的深度学习网络模型；
15、根据所述训练数据集，获取所述测试训练集，所述测试训练集包括在模型训练中未被所述深度学习网络模型使用的第二输入数据和第二输出数据，所述第二输出数据为所述训练后的深度学习网络模型的真实输出数据。
16、在其中一个实施例中，所述根据所述测试数据集对训练后的深度学习网络模型进行评估，得到模型评估结果，包括：
17、将所述第二输入数据作为所述训练后的深度学习网络模型的输入数据进行预测，得到第三输出数据，所述第三输出数据为所述训练后的深度学习网络模型对所述第二输入数据的预测结果；
18、将所述第三输出数据与所述第二输出数据进行比较，通过交叉验证的方法对所述训练后的深度学习网络模型进行评估，得到所述模型评估结果。
19、在其中一个实施例中，所述根据所述测试数据集对训练后的深度学习网络模型进行评估，得到模型评估结果，之后包括：
20、基于所述模型评估结果，获取所述训练后的深度学习网络模型的预测结果与真实输出值之间的误差；
21、通过超参数调整以及集成学习的方法对所述训练后的深度学习网络模型进行调整和优化，得到所述dns解析模型。
22、在其中一个实施例中，所述调用所述dns解析模型对实时dns数据进行解析，以判断当前网络访问请求是否存在异常，包括：
23、将所述实时dns数据作为所述dns解析模型的输入数据输入所述dns解析模型，得到所述dns解析模型的第四输出结果，所述第四输出结果为所述dns解析模型对所述实时dns数据的预测结果；
24、基于所述第四输出结果，判断所述当前网络访问请求是否存在异常；若是，则
25、禁止所述当前网络访问请求进行访问；若否，则
26、将域名解析返回至所述当前网络访问请求。
27、本专利技术还提供了一种智能dns解析装置，所述装置包括：
28、数据处理模块，用于获取第一dns数据，并对所述第一dns数据进行预处理，得到模型输入数据，所述第一dns数据为至少具有域名、ip地址以及访问时间的dns数据；
29、模型训练模块，用于将所述模型输入数据输入至深度学习网络模型进行训练，以获取模型参数和测试数据集；
30、模型评估调整模块，用于根据所述测试数据集对训练后的深度学习网络模型进行评估，得到模型评估结果，所述模型评估结果用于对所述训练后的深度学习网络模型进行优化和调整，得到dns解析模型；
31、模型解析模块，用于调用所述dns解析模型对实时dns数据进行解析，以判断当前网络访问请求是否存在异常。
32、本专利技术还提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述的智能dns解析方法。
33、本专利技术还提供了一种计算机存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的智能dns解析方法。
34、上述智能dns解析方法、装置、电子设备及存储介质，通过获取具有域名、ip地址以及访问时间的dns数据，并对该dns数据进行预处理，得到模型输入数据。随后，将得到的模型输入数据输入至深度学习网络模型进行训练，以获取模型参数和测试数据集。然后，根据测试数据集对训练后的深度学习网络模型进行评估，得到相应的模型评估结果，以对所述训练后的深度学习网络模型进行优化和调整，得到预本文档来自技高网...
【技术保护点】
1.一种智能DNS解析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的智能DNS解析方法，其特征在于，所述获取第一DNS数据，并对所述第一DNS数据进行预处理，得到模型输入数据，包括：
3.根据权利要求1所述的智能DNS解析方法，其特征在于，所述将所述模型输入数据输入至深度学习网络模型进行训练，以获取模型参数和测试数据集，之前还包括：
4.根据权利要求3所述的智能DNS解析方法，其特征在于，所述将所述模型输入数据输入至深度学习网络模型进行训练，以获取模型参数和测试数据集，包括：
5.根据权利要求4所述的智能DNS解析方法，其特征在于，所述根据所述测试数据集对训练后的深度学习网络模型进行评估，得到模型评估结果，包括：
6.根据权利要求5所述的智能DNS解析方法，其特征在于，所述根据所述测试数据集对训练后的深度学习网络模型进行评估，得到模型评估结果，之后包括：
7.根据权利要求1至6任一项所述的智能DNS解析方法，其特征在于，所述调用所述DNS解析模型对实时DNS数据进行解析，以判断当前网络访问请求是否
8.一种智能DNS解析装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种智能dns解析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的智能dns解析方法，其特征在于，所述获取第一dns数据，并对所述第一dns数据进行预处理，得到模型输入数据，包括：
3.根据权利要求1所述的智能dns解析方法，其特征在于，所述将所述模型输入数据输入至深度学习网络模型进行训练，以获取模型参数和测试数据集，之前还包括：
4.根据权利要求3所述的智能dns解析方法，其特征在于，所述将所述模型输入数据输入至深度学习网络模型进行训练，以获取模型参数和测试数据集，包括：
5.根据权利要求4所述的智能dns解析方法，其特征在于，所述根据所述测试数据集对训练后的深度学习网络模型进行评估，得到模型评估结果，包括：
...
【专利技术属性】
技术研发人员：宋巨龙，李国青，陈伟元，张琤，周春峰，
申请(专利权)人：联通在线信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。