基于流量时空特征的fast-flux僵尸网络检测方法

• 作者: 张俊哲 张小松 牛伟纳 蒋天宇 谢娇 赵振扉
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 僵尸网络 Fast-flux 卷积神经网络 循环神经网络
• 年，卷（期）: 2020,（8）
• 页码范围: 1872-1880
• 页数: 9页
• 分类号: TP309
• 语种: 中文
• DOI: 10.11999/JEIT190724

摘要

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%。