有些Botnet在进行c2通信时会使用DGA算法生成大量随机的域名，通过少量域名维持与控制服务器的通信。生成的随机域名容易被检测随机性的算法所识别，通常的对抗方法是bot内置一个很大的单词列表，从单词列表中抽取单词并随机组合。本文尝试使用生成对抗网络，训练一个生成器，目标是使生成器生成的域名不具备随机性，更接近人类起域名的习惯，达到以假乱真的效果。但这是一个失败的实验，失败的原因我后文会进行分析。
最近腾出时间重新搞一下这个算法，对数据集、模型参数做了简单的优化，对不同算法在GPU/CPU上的性能进行了对比，并部署在生产环境实际测试。另外，@cdxy使用SVM进行分类获得了更高的性能，但具有很低的泛化能力，本文把这个算法放到这里一并讨论，原文链接：https://www.cdxy.me/?p=773。
众所周知，深度学习在计算机视觉、自然语言处理、人工智能等领域取得了极大的进展，在安全领域也开始崭露头角走向了实际应用。本文中进行的实验主要以文本分类的方法，使用深度学习检测XSS攻击，由于本人是初学者，难免对算法本身的理解不够确切，所以本文尽量使用通俗简单的方式介绍算法，不会过多的讲解细节，以免误导大家。