بررسی ماهیت و روشهای تشخیص بات نتها و بدافزارها در حملات سایبری اینترنت اشیاء

ساختار نسبتا ساده و بازده بالقوه یک حمله موفقیت آمیز، برای دهه ها نیروی محرکه ای در تکامل باتنتها و بدافزارها بوده است. سازگاری باتنتها و بدافزارها در تکامل آنها به سمت پلتفرم های مدرن مانند وسایل نقلیه، تلفن های هوشمند و دستگاه های اینترنت اشیاء دیده می شود. باتنتهای مدرن هنوز به سرعت در حال تکامل هستند و مکانیسم های پیشرفته تر ضد تشخیص و کانال های فرمان و کنترل در حال معرفی هستند. مکانیسم های تشخیص اخیر مبتنی بر یادگیری ماشین و یادگیری عمیق، نرخ بسیار بالایی برای تشخیص تهدیدات باتنت ارائه می دهند. هر دوی این رویکردها دقت بیشتری نسبت به رویکردهای رایج مبتنی بر رفتار شبکه مانند روشهای اکتشافی و لیست سیاه ارائه می دهند. این تکنیک های تشخیص، از استراتژی های سنتی کاهش خطر مانند بهترین شیوه های امنیتی و مسدود کردن در سطح شبکه برای کاهش خطر و تاثیر حملات باتنت پشتیبانی می کنند. به طور خاص، گسترش الگوهای محاسبات فراگیر مانند اینترنت اشیاء زمینه مناسبی را برای گسترش باتنتها فراهم می کند. روندهای فعلی به سمت افزایش قدرت محاسباتی در محاسبات فراگیر به عنوان عاملی برای باتنتها جهت گسترش بدافزارها اشاره دارند از این جهت بررسی رویکردهای تشخیص بدافزار و بات نت می تواند به پژوهشگران در این راستا کمک نماید. در این مقاله روشهای تشخیص بدافزار و بات نت و ماهیت آنها مرور و بررسی شده است.

کلیدواژه ها:

بات نت ، بدافزار ، یادگیری ماشین ، یادگیری عمیق ، سیستم تشخیص نفوذ