تشخیص بات‌نت‌ها با استفاده از فنون یادگیری عمیق

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشگاه شهید باهنر کرمان، کرمان، ایران

2 دانشیار، دانشگاه شهید باهنر کرمان، کرمان، ایران

3 استادیار، دانشگاه شهید باهنر کرمان، کرمان، ایران

doi
چکیده

امروزه به دلیل اتصال تلفن‌های همراه هوشمند به اینترنت و وجود قابلیت‌ها و امکانات مختلف در این تلفن‌ها، حفظ امنیت این دستگاه‌ها به یک چالش مهم تبدیل شده است. چرا که معمولا در این دستگاه‌ها انواع داده‌های خصوصی که مرتبط با حریم شخصی افراد است ثبت و ذخیره می‌شود. در سال‌های اخیر این دستگاه‌ها مورد هدف یکی از خطرناک‌ترین حملات سایبری قرار گرفته‌اند که بات‌نت نام دارد. بات‌نت‌ها توانایی انجام عملیات مخربی چون ربودن و استراق سمع و حملات انکار سرویس را دارند. از این‌رو شناسایی به موقع بات‌نت‌ها تاثیر زیادی در حفظ امنیت تلفن‌های همراه دارد. در این مقاله روشی جدید برای شناسایی بات‌نت‌ها از برنامه‌های سالم اندروید و همچنین تشخیص نوع بات‌نت از میان 14 نوع مختلف از خانواده بات‌نت‌ها ارائه شده است. در این روش ابتدا با استفاده از مهندسی معکوس، لیست مجوزهای برنامه استخراج شده، سپس بر اساس این لیست مجوز‌ها تصویر معادل برنامه ایجاد می‌شود. به این ترتیب مجموعه‌ای از تصاویر بدست می‌آید که با استفاده از شبکه عصبی کانولوشنال ارائه شده، این تصاویر طبقه‌بندی و نوع برنامه کاربردی مشخص می‌شود. نتایج حاصل از مقایسه و ارزیابی این روش با روش‌های سنتی یادگیری ماشین چون ماشین بردار پشتیبان و درخت تصمیم نشان داد که روش ارائه شده کارایی بالاتری در تشخیص انواع بات‌نت‌ها و جداسازی آن از برنامه‌‌های سالم دارد