XG-BoT：一种用于僵尸网络检测与取证的可解释深度图神经网络
密码学与安全
2023-03-14 v5 机器学习
网络与互联网体系结构
摘要
在本文中，我们提出 XG-BoT，一种用于僵尸网络节点检测的可解释深度图神经网络模型。所提模型由僵尸网络检测器和用于自动取证的解释器组成。XG-BoT 检测器能够有效检测大规模网络中的恶意僵尸网络节点。具体而言，它利用分组可逆残差连接与图同构网络，从僵尸网络通信图中学习具有表达力的节点表示。基于 XG-BoT 中的 GNNExplainer 和显著性图，解释器可通过高亮可疑网络流量和相关僵尸网络节点来执行自动网络取证。我们使用真实世界的大规模僵尸网络网络图数据集对 XG-BoT 进行了评估。总体而言，XG-BoT 在关键评估指标上优于当前最优（SOTA）方法。此外，我们证明了 XG-BoT 解释器能够为自动网络取证生成有用的解释。
引用
@article{arxiv.2207.09088,
title = {XG-BoT: An Explainable Deep Graph Neural Network for Botnet Detection and Forensics},
author = {Wai Weng Lo and Gayan K. Kulatilleke and Mohanad Sarhan and Siamak Layeghy and Marius Portmann},
journal= {arXiv preprint arXiv:2207.09088},
year = {2023}
}
备注
Accepted by Internet of Things, Elsevier