基于 DNS 的浏览器内加密劫持检测
密码学与安全
2022-05-11 v1 机器学习
摘要
域名(DN)的元数据特性使我们能够对 DN 进行行为研究，并检测某个 DN 是否参与浏览器内加密劫持(in-browser cryptojacking)。因此，我们受到启发去研究参与加密劫持的 DN 的不同时间与行为特征。我们使用时间特征（如查询频率和查询突发）以及基于图的特征（如度和直径）和非时间特征（如基于字符串的特征）来检测 DN 是否涉嫌参与浏览器内加密劫持。然后，我们使用它们在不同的时间粒度（如 2 小时数据集和完整数据集）上训练机器学习(ML)算法。我们的结果表明，DecisionTrees 分类器表现最佳，对加密劫持 DN 的召回率为 59.5%，而在无监督学习中，K=2 的 K-Means 表现最佳。特征相似性分析显示加密劫持 DN 与其他已知恶意 DN 之间的分歧极小。它还揭示了现有 SOTA 方法的特征集需要改进，以提升其检测浏览器内加密劫持的准确性。作为补充分析，我们基于特征的分析确定在 2021 年 10 月至 12 月期间，没有任何印度政府网站参与加密劫持。然而，基于资源利用情况，我们识别出 10 个具有与其他 DN 不同属性的 DN。
引用
@article{arxiv.2205.04685,
title = {DNS based In-Browser Cryptojacking Detection},
author = {Rohit Kumar Sachan and Rachit Agarwal and Sandeep Kumar Shukla},
journal= {arXiv preprint arXiv:2205.04685},
year = {2022}
}
备注
Submitted