基于流量时空特征的fast-flux僵尸网络检测方法

发布时间：2022-11-06 11:51

　　僵尸网络已成为网络空间安全的主要威胁之一,虽然目前可通过逆向工程等技术来对其进行检测,但是使用了诸如fast-flux等隐蔽技术的僵尸网络可以绕过现有的安全检测并继续存活。现有的fast-flux僵尸网络检测方法主要分为主动和被动两种,前者会造成较大的网络负载,后者存在特征值提取繁琐的问题。因此为了有效检测fast-flux僵尸网络并解决传统检测方法中存在的问题,该文结合卷积神经网络和循环神经网络,提出了基于流量时空特征的fast-flux僵尸网络检测方法。结合CTU-13和ISOT公开数据集的实验结果表明,该文所提检测方法和其他方法相比,准确率提升至98.3%,召回率提升至96.7%,精确度提升至97.5%。 

【文章页数】：9 页

【文章目录】：
1引言
2基于时空特征的Fast-Flux僵尸网络检测方法
    2.1预处理模块
    2.2空间学习模块
    2.3时序特征学习模块
    2.4特征融合验证
    2.5分类模块
3实验分析
    3.1实验环境
    3.2数据集
    3.3评估方法
    3.4实验数据
        3.4.1对比试验
        3.4.2参数选择
        3.4.3实验对比结果
4结论


【参考文献】：
期刊论文
[1]基于双向LSTM的维吾尔语事件因果关系抽取[J]. 田生伟,周兴发,禹龙,冯冠军,艾山·吾买尔,李圃.  电子与信息学报. 2018(01)
[2]基于MapReduce的僵尸网络在线检测算法[J]. 蒋鸿玲,邵秀丽,李耀芳.  电子与信息学报. 2013(07)



本文编号：3703452