تشخیص شبکهبات نظیربهنظیر با استفاده از روش یادگیری عمیق

یک شبکهبات، شبکه­ای از رایانههای آلوده و دستگاه­های هوشمند بر روی اینترنت است که توسط مدیربات بد­افزار از راه دور کنترل میشود تا فعالیت­های بدخواهانه مختلفی نظیر اجرای حملات منع خدمات، ارسال هرزنامه، سرقت کلیک و غیره را انجام دهند. زمانی­که مدیربات با باتهای خود ارتباط برقرار می­کند، ترافیکی تولید می­کند که تجزیه و تحلیل این ترافیک برای شناسایی ترافیک شبکه­بات می­تواند یکی از عوامل تاثیر گذار برای سامانه­های تشخیص نفوذ باشد. در این مقاله، روش یادگیری عمیق با حافظه کوتاهمدت ماندگار (LSTM) جهت طبقهبندی فعالیت­های شبکهبات نظیر­به­نظیر پیشنهاد می­شود. رویکرد پیشنهادی بر اساس ویژگی­های بسته­های پروتکل­کنترل­انتقال بوده و کارایی روش با استفاده از دو مجموعه داده ISCX و ISOT ارزیابی میشود. نتایج آزمایشهای انجامیافته، توانایی بالای رویکرد پیشنهادی برای شناسایی فعالیت­های شبکهبات نظیر­به­نظیر را بر اساس معیارهای ارزیابی نشان می­دهد. روش پیشنهادی نرخ دقت ۶۵/۹۹ درصد، نرخ صحت ۳۲/۹۶ درصد و نرخ بازخوانی ۶۳/۹۹ درصد را با نرخ مثبت کاذب برابر ۶۷/۰ ارائه می­کند.

کلیدواژه ها:

شبکه بات ، تشخیص شبکه بات ، یادگیری عمیق ، شبکه عصبی بازگشتی ، حافظه کوتاهمدت ماندگار