کاوش: ارائه روش تحلیل بات‌نت و تأثیر ترافیک عادی شبکه بر مرحله انتخاب و استخراج ویژگی مبتنی بر فاصله مینکوفسکی

نویسندگان

1 کارشناس ارشد مرکز تحقیقات صدر

2 کارشناس ارشد مرکز تحقیقات صدر

3 استادیار دانشگاه جامع امام حسین (ع)

doi
چکیده

گسترش روزافزون تهدید بات‏‌نت و توسعه بسترهای جدید استقرار بات‏نت مانند اینترنت اشیا، لزوم مقابله را نشان می‌دهد. پژوهش‏هایی که در حوزه تشخیص بات‏نت مبتنی بر روش‏های یادگیری ماشین انجام شده است؛ نشان ‏می‏دهد این روش‏ها کارایی لازم را جهت تشخیص بات‏نت دارند. این درحالی است که عدم وجود یک مجموعه دادگان استاندارد در این حوزه، یکی از چالش‌ها در سامانه‌های تشخیص بات‏نت است که موجب افزایش نرخ خطا و کاهش نرخ تشخیص در محیط واقعی می‌شود. در این مقاله، ترافیک عادی و بات‌نت با ارائه روشی مبتنی بر بردار فاصله مینکوفسکی تحلیل شده است. نتایج مقاله نشان می‌دهد که جریان ترافیک عادی، مرحله انتخاب و استخراج ویژگی را با تغییر در اهمیت ویژگی‏ها مؤثر می‌کند. این روش به ویژگی‏ها بر اساس نزدیک نمودن بردارهای رفتاری بات-بات و دور نمودن بردارهای رفتاری بات‌عادی امتیاز می‏دهد. نتایج این آزمایش‏ها بر روی ده مجموعه دادگان عادی و سه مجموعه دادگان بات، نشان داد امتیاز یک ویژگی در محیط‏هایی با ترافیک عادی متفاوت بیش از 50% افزایش یا کاهش دارد.