随着现代社会的发展对互联网的依赖性不断地增强,互联网带来的网络安全问题也引起了社会各界的关注。人们在使用互联网时,经常通过域名来进行资源查询,经调查研究发现,钓鱼软件、恶意网站和恶意软件中都使用了大量的恶意域名。恶意域名作为威胁当前网络安全的重要因素之一,对恶意域名进行检测是维护网络环境安全的一个重要手段。目前,恶意域名的检测方法层出不穷,部分检测方法在关注检测准确率时,忽略了特征设计对检测结果的影响。另外,攻击手段的多变性导致依赖特征提取和分类算法无法应对层出不穷的域名类型,难以对深层次的恶意域名进行挖掘。针对上述问题,本文工作内容如下:提出一种基于多样化特征的恶意域名检测方法。在数据处理方面,先对域名进行分词格式化操作,将域名转化为同一样式,方便后续进行特征提取。在特征设计方面,考虑到存在冗余特征的可能性,对不同特征的分布情况进行观察分析,选取分布差异较大的特征作为检测特征,减少了特征提取的数量。实验结果表明在保证检测准确率为95%的情况下,该方法降低了检测的计算复杂度,解决内存开销问题。提出一种基于知识图谱的深层次域名检测方法。结合域名在解析访问过程中产生的数据,从域名、IP地址,解析记录等方面抽取用于构建域名知识图谱的实体,针对实体间存在的联系进行关系抽取,利用Neo4j图数据库将抽取到的实体和关系进行存储,随后在域名知识图谱上运行基于图的推理算法,通过计算未知域名与图谱中已知属性域名的密切程度,判断未知域名的属性。通过实验分析发现,在不同样本集的情况下本文方法都保持着良好的检测性能,该方法具有一定的稳定性,将该方法与常见的域名检测方法进行对比,验证了该方法在准确率上的优势,通过对比检测结果发现,该方法可有效识别之前未检测出的恶意域名,实现了对隐藏较深的恶意域名的挖掘。