Feature Selection for Effective Botnet Detection Based on Periodicity of Traffic

Harsha, T; Asha, S.; Soniya, B.

doi:10.1007/978-3-319-49806-5_26

Cited by 3 publications

(3 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Searching for the best setting for the initial weights of backpropagation feed-forward neural networks is the main concept of this model. The work in [5] introduced a botnets detection method to distinguish between two behaviors: bots having non-periodic and normal traffics which normally reveal periodic behavior. Principal components analysis (PCA) is used for feature selection and J48 algorithm is used for classification.…”

Section: Related Workmentioning

confidence: 99%

A Decision Tree-Aware Genetic Algorithm for Botnet Detection

Alhijaj

Hameed

Attea

2021

eijs

View full text Add to dashboard Cite

In this paper, the botnet detection problem is defined as a feature selection problem and the genetic algorithm (GA) is used to search for the best significant combination of features from the entire search space of set of features. Furthermore, the Decision Tree (DT) classifier is used as an objective function to direct the ability of the proposed GA to locate the combination of features that can correctly classify the activities into normal traffics and botnet attacks. Two datasets namely the UNSW-NB15 and the Canadian Institute for Cybersecurity Intrusion Detection System 2017 (CICIDS2017), are used as evaluation datasets. The results reveal that the proposed DT-aware GA can effectively find the relevant features from the whole features set. Thus, it obtains efficient botnet detection results in terms of F-score, precision, detection rate, and number of relevant features, when compared with DT alone.

show abstract

Section: Related Workmentioning

confidence: 99%

A Decision Tree-Aware Genetic Algorithm for Botnet Detection

Alhijaj

Hameed

Attea

2021

eijs

View full text Add to dashboard Cite

show abstract

“…Для керування і контролю над інфікованими хостами переважна більшість ботмереж використовують DNS. Крім того, деякі ботмережі використовують методи шифрування корисного навантаження комунікацій по протоколу DNS для того, щоб запобігти їх виявленню [2].…”

Section: вступunclassified

“…На етапі моніторингу на основі ознак, вилучених з вхідних DNS-повідомлень щодо певного доменного імені, будуються вектори ознак. Вони мають такий же вигляд, як і шаблон (2).…”

Section: метод виявлення бот-мереж на основіunclassified

Methods for detecting bot nets in computer systems

Lysenko¹,

Bobrovnikova²,

Kharchenko³

2019

A.I.S.

View full text Add to dashboard Cite

МЕТОДИ ВИЯВЛЕННЯ БОТ-МЕРЕЖ В КОМП'ЮТЕРНИХ СИСТЕМАХ Ан от а ц і я. Об'єкт. Процес виявлення бот-мереж у корпоративних мережах на основі аналізу мережевого трафіка та поведінки програмного забезпечеення комп'ютерних системах. Предмет. Методи виявлення бот-мереж в комп'ютерних системах. Мета. Підвищення достовірності виявлення бот-мереж шляхом розроблення методів їх виявлення бот-мереж в корпоративних мережах. Результати. Запропоновано новий підхід до виявлення бот-мереж в корпоративних мережах на основі аналізу поведінки ботів. Виявлення бот-мереж здійснюється шляхом застосування розроблених двох методів: за допомогою аналізу на мережному рівні та на хостовому рівні. Перший метод дозволяє аналізувати поведінку програмного забезпечення на хості, що може вказувати на можливу присутність бота безпосередньо на хості і виявлення шкідливого програмного забезпечення, тоді як другий метод включає в себе моніторинг і аналіз DNS-трафіка, що також дозволяє зробити висновок про інфікування мережних хостів ботами бот-мережі. На основі запропонованих методів було розроблено ефективний інструмент виявлення бот-мереж-BotGRABBER. Він здатний виявляти боти, які використовують такі методи ухилення від виявлення як періодична зміна IP-відображення (cycling of IP mapping), «потік доменів» (domain flux), «швидкозмінні» мережі (fast flux) та DNS-тунелювання (DNS tunneling). Висновки. Використання розробленої системи дозволяє виявляти інфіковані ботами бот-мереж хости і локалізувати шкідливі програми з високою ефективністю-до 96%, а також демонструє низькі помилкові спрацьовування-на рівні 3-5%. Особливість запропонованого підходу полягає в тому, що виявлення бот-мереж є «невидимим» для власників бот-мереж. К лю чов і с лов а : бот; бот-мережа; DNS-трафік; методи ухилення від виявлення бот-мереж; шкідливе програмне забезпечення; штучні імунні системи; детектори; позитивний алгоритм відбору

show abstract