基于贝叶斯正则化神经网络的实时 P2P 僵尸网络检测框架
网络与互联网体系结构
2013-07-30 v1 密码学与安全
摘要
在过去十年中，网络空间遭受了越来越多来自采用对等 (P2P) 架构的僵尸网络的攻击。P2P 僵尸网络使用去中心化的命令与控制架构。此外，大量此类僵尸网络已经存在，并且几乎每年都会发现与其母体僵尸网络显著不同的新版本。在本工作中，作者提出并实现了一种新颖的混合框架，通过将神经网络与贝叶斯正则化相结合，用于检测实时网络流量中的 P2P 僵尸网络。贝叶斯正则化有助于实现数据集更好的泛化能力，从而能够检测到那些从未用于训练神经网络的僵尸活动。因此，该框架适用于检测网络实时流量中新型及未知的僵尸网络。通过在检测模块未见过的测试数据（使用未训练的僵尸网络数据集）上对该框架进行测试，验证了其有效性，作者成功以 99.2% 的准确率检测到了此类活动。
引用
@article{arxiv.1307.7464,
title = {Real-time Peer-to-Peer Botnet Detection Framework based on Bayesian Regularized Neural Network},
author = {Sharath Chandra Guntuku and Pratik Narang and Chittaranjan Hota},
journal= {arXiv preprint arXiv:1307.7464},
year = {2013}
}