BotCatcher:基于深度学习的僵尸网络检测系统?

• 作者: 刘奇旭 吴迪 崔翔 方滨兴
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 僵尸网络 深度学习 检测 特征
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 论文Ⅰ:人工智能与网络安全
• 页码范围: 18-28
• 页数: 11页
• 分类号: TP309.5
• 字数: 9001字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2018135

摘要

机器学习技术在僵尸网络检测领域具有广泛应用,但随着僵尸网络形态和命令控制机制逐渐变化,人工特征选取变得越来越困难.为此,提出基于深度学习的僵尸网络检测系统——BotCatcher,从时间和空间这2个维度自动化提取网络流量特征,通过结合多种深层神经网络结构建立分类器.BotCatcher不依赖于任何有关协议和拓扑的先验知识,不需要人工选取特征.实验结果表明,该模型性能良好,能够对僵尸网络流量进行准确识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方滨兴	广州大学网络空间先进技术研究院	50	1129	17.0	33.0
4	吴迪	中国科学院信息工程研究所	63	890	14.0	29.0
8	崔翔	中国科学院信息工程研究所	18	229	5.0	15.0
10	刘奇旭	中国科学院信息工程研究所	30	423	10.0	20.0