本文介绍了利用朴素贝叶斯算法识别恶意域名的过程，包括算法原理、优缺点及高斯、伯努利和多项式贝叶斯分类器的介绍。通过收集APT组织生成的恶意域名，使用Python进行数据处理和模型训练，最终实现域名分类识别，模型测试准确率达到94.7%。

本研究提出了一种基于随机置换集的转化方法，以解决模式识别中的不确定性问题，提升信息源的可靠性，从而显著提高分类识别的准确性。