IoTFlowGenerator：为网络欺骗生成合成物联网设备流量流
密码学与安全
2023-05-02 v1 机器学习
摘要
多年来，蜜罐已成为理解攻击者意图并欺骗攻击者耗费时间和资源的重要安全工具。近来，蜜罐正被部署于物联网（IoT）设备以诱捕攻击者并学习其行为。然而，现有大多数 IoT 蜜罐，即便是高交互型蜜罐，也会因缺乏源自蜜罐的真实网络流量而被能够观测蜜罐流量的攻击者轻易识别。这意味着，为构建更好的蜜罐并增强网络欺骗能力，IoT 蜜罐需要生成真实的网络流量流。为实现这一目标，我们提出了一种基于深度学习的新型方法，用于生成模拟用户与 IoT 设备交互所产生的真实网络流量的流量流。我们的方法克服的一项关键技术挑战是设备特定的 IoT 流量数据稀缺，难以有效训练生成器。我们通过结合面向序列的核心生成对抗学习算法与 IoT 设备通用的领域知识来解决这一挑战。通过对 18 种 IoT 设备的广泛实验评估，我们证明所提出的合成 IoT 流量生成工具在即便对自适应攻击者也能保持与真实流量难以区分方面，显著优于最先进的序列与数据包生成器。
引用
@article{arxiv.2305.00925,
title = {IoTFlowGenerator: Crafting Synthetic IoT Device Traffic Flows for Cyber Deception},
author = {Joseph Bao and Murat Kantarcioglu and Yevgeniy Vorobeychik and Charles Kamhoua},
journal= {arXiv preprint arXiv:2305.00925},
year = {2023}
}
备注
FLAIRS-36