تخمین شبکه بات با استفاده از سرورهای نیابتی در حملات منع خدمت توزیع شده

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 351

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_PADSA-6-1_006

تاریخ نمایه سازی: 30 فروردین 1399

Abstract:

رصد حملات منع سرویس توزیع شده که توسط شبکه های بات صورت می گیرد، کماکان دارای چالش های عدم قطعیت در حین حمله است. در این پژوهش روشی پیشنهاد شده است که شبکه بات، کسری از بسته های حمله را به سمت میزبان های خودی (حسگر نیابتی) در اقصی نقاط شبکه ارسال کنند و سپس داده حسگرهای نیابتی را ادغام کرده تا برآوردی از قدرت شبکه بات حاصل شود. منابع عدم قطعیت اعم از وجود فیلترینگ دفاعی (محلی و منطقه ای)، خرابی حسگرها و گم شدن بسته ها می تواند موجب مخدوش شدن تخمین قدرت شبکه بات شود. از این رو، در دو مرحله، طرح پیشنهادی در شرایط عدم قطعیت، به صورت تک حسگر و چندحسگر نیابتی مورد مدل سازی قرار گرفت. سپس با استفاده از شبیه ساز آمنت، مدل پیشنهادی با استفاده از سه سناریو تحت آزمایش قرار گرفت و نتایج آن در قالب شاخص های نرخ دریافت بسته، درصد اشغال پهنای باند، تاخیر زمان پاسخگویی قربانی و زمان نرخ گم شدن بسته ها، اندازه گیری و مورد تجزیه و تحلیل قرار گرفت. همچنین، از داده های تولیدشده توسط شبیه ساز برای مرحله تلفیق داده استفاده گردید. در ادامه پژوهش، برای ادغام داده از روش های رای گیری بیشینه، کمینه و متوسط گیری بهره گرفته شد و نتایج با استفاده از روش اقلیدسی مورد مقایسه و ارزیابی قرار گرفت و نشان داد که روش کمینه بیشینه (مین ماکس) در شرایط فوق دارای دقت 95 % است. آزمایش فوق در محیط اینترنت با بهره مندی از بسته های علامت دار، نشان داد که روش بیشینه از دقت 96 درصدی برخوردار است. در نهایت، طرح پیشنهادی اثبات کرد که می توان قدرت شبکه بات را حین حمله، به وسیله میزبان های خودی (نیابتی) و ادغام اطلاعات آن-ها اندازه گیری کرد.

Authors

حمید اکبری

دانشگاه جامع امام حسین ع

سید مصطفی صفوی همامی

دانشگاه صنعتی امیرکبیر

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • M. R. Hasani Ahangar, and R. Jalaei, A Analytical Survey ...
  • B. Arne Welzel, On Measuring the Impact of DDoS Botnets, ...
  • S. Savage, The Heisenbot Uncertainty Problem: Challenges in Separating Bots ...
  • C. Nordlohne, Measuring Botnet Prevalence: Malice Value, in University of ...
  • S. Igor kotenko, Agent Based Modeling & Simulation of Botnets ...
  • I. Kotenko, Agent-Based Modeling And Simulation Of Cyber-Warfare Between Malefactors ...
  • C. Bannwart, Predicting the Impact of Denial of Service Attacks, ...
  • A. Terzis, My Botnet is Bigger than Yours (Maybe, Better ...
  • C. Ping wang, AN Advanced Hybrid Peer-to-peer Botnet, in IEEE ...
  • C. Wentao, Measuring Botnets in the Wild: Some New Trends, ...
  • B. Gupta, Estimating Strength of Ddos Attack Using Variou Regression ...
  • Y. Zhitang Li, Measuring the botnet using the second character ...
  • L. McGuinness, Ontology Development 101: A Guide to Creating Your ...
  • L. A. Klein, Sensor and Data Fusion: A Tool for ...
  • I. Christopher and D. Wickens Champaign, Situation Awareness: Review of ...
  • N. Shouwan Gao, Stability Analysis of Multi-Sensor Kalman Filtering over ...
  • B. J. Norman, A Study of Peer-To-Peer Botnets, in Master ...
  • E. M. M. Deza, Encyclopedia of Distances, in Springer. p. ...
  • نمایش کامل مراجع