آنالیز پاسخهای ناموفق DNS با استفاده از شبکه عصبی در تشخیص بات نت

Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 46

This Paper With 15 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_ARPR-5-2_001

تاریخ نمایه سازی: 22 مهر 1403

Abstract:

با پیشرفت روزافزون فناوری و گسترش استفاده از اینترنت، بات نت ها به عنوان یکی از تهدیدات امنیتی مهم در فضای دیجیتال به شمار می روند. بات نت ها، شبکه هایی از دستگاه های آلوده اند که توسط مهاجمان کنترل می شوند و برای اهداف مختلفی مانند ارسال اسپم، حملات DDoS و سرقت اطلاعات حساس استفاده می شوند. با توجه به روند رو به افزایش استفاده از بات نت ها، تشخیص و جلوگیری از فعالیت آن ها از اهمیت بسیاری برخوردار است. گستردگی ارتباطات، به اشتراک گذاری منابع، حس کنجکاوی، کسب پول، جمع آوری اطلاعات و به دست آوردن ظرفیت منابع، انگیزه هایی برای ایجاد بات نت است. علاوه بر اینها باید انگیزه های سیاسی، اقتصادی و نظامی را نیز اضافه نمود.روش ما قابلیت تشخیص بات نت ها ی شناخته شده و همچنین ناشناخته ای که از این روش استفاد می کنند را دارا هست.هدف ما در این مقاله، ارائه روشی نوآورانه برای تشخیص بات نت ها با استفاده از تحلیل پاسخ های ناموفق و شبکه عصبی است. در این روش تشخیص بات نت ها براساس پاسخ های ناموفق یا NXDomain در هر میزبان صورت می گیرد. این ویژگی باعث می شود که دقت تشخیص در شبکه های کوچک و متوسط افزایش یابد. این روش در شبکه های آلوده به بات نت های کانفیکر و کراکن آزمایش و اطلاعات به دست آمده از آن با استفاده از شبکه های عصبی مورد تجزیه وتحلیل قرارگرفته است. نتایج ارزیابی نشان دهنده کارایی خوب این روش در تشخیص بات نت است.

Keywords:

بات نت , سرور فرماندهی و کنترل , ترافیک سرویس نام دامنه , پاسخهای ناموفق , شبکه عصبی

Authors

وحید محمدی

گروه مدیریت فناوری اطلاعات ،واحد همدان ، دانشگاه آزاد اسلامی، همدان، ایران

محمد مهدی شیرمحمدی

گروه مهندسی کامپیوتر ،واحد همدان ، دانشگاه آزاد اسلامی، همدان، ایران

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 :
  • Maniriho P, Mahmood AN, Chowdhury MJM. Deep Learning Models for ...
  • Kumar D, Reddy S. Effective Botnet Detection with Network Traffic ...
  • Singh A, Sharma P. Hybrid Approach for Botnet Detection Using ...
  • Reyes Ortiz JL, Roggen D. Anomaly-Based Botnet Detection Using Machine ...
  • Kumar A, Kumar P. Automated Botnet Detection with Deep Learning ...
  • Wang W, Zeng H, Li D. Botnet Detection Based on ...
  • Zargari N, Saebi M. Detecting Botnets Using Network Traffic Behavior ...
  • Yadav S, Ganesh AL. A Machine Learning Approach for Botnet ...
  • Patel HA, Sharma K. Real-Time Botnet Detection Using Machine Learning ...
  • Gupta S, Bhargava B. Detecting Botnets Using a Combined Approach ...
  • Marchetti M, Colajanni M. Botnet Detection Using DNS Traffic Analysis ...
  • LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. ۲۰۱۵;۵۲۱(۷۵۵۳):۴۳۶-۴۴۴ ...
  • Choi H, Lee H. Identifying botnets by capturing group activities ...
  • Choi H, Lee H. Identifying botnets by capturing group activities ...
  • Choi H, et al. BotGAD: detecting botnets by capturing group ...
  • Gu G, et al. BotHunter: Detecting malware infection through ids-driven ...
  • Gu G, et al. Botminer: Clustering analysis of network traffic ...
  • Rahbarinia B, et al. Segugio: Efficient Behavior-Based Tracking of Malware-Control ...
  • Alexa Top Global Sites. Available: http://www.alexa.com/topsites ...
  • Schoof R, Koning R. Detecting peer-to-peer botnets. University of Amsterdam, ...
  • Skoudis E, et al. Top Ten Cyber Security Menaces for ...
  • Cooke E, et al. The zombie roundup: understanding, detecting, and ...
  • Park J. Acquiring Digital Evidence from Botnet Attacks: Procedures and ...
  • Sharifnya R, Abadi M. A novel reputation system to detect ...
  • Wireshark. Available: http://www.wireshark.org ...
  • Patel, P., & Modi, C. An Efficient Botnet Detection Framework ...
  • Lu, Y., Li, Z., & Zhang, C.DNS-based botnet detection using ...
  • Wang, W., Xu, M., Huang, R., & Sun, Z.Botnet Detection ...
  • Antonakakis M, Perdisci R, Lee W, Vasiloglou N, Dagon D. ...
  • Yu J, Li Z, Yan Q, Han J, Guan X. ...
  • Bilge L, Kirda E, Kruegel C, Balduzzi M. Exposure: Finding ...
  • نمایش کامل مراجع