.png){kind=icon}
返回
A malware traffic detection method based on Victim-Attacker interaction patterns
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cose.2025.104487.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
加密协议的广泛应用为个人隐私带来了益处，同时也为木马等恶意软件的命令与控制（C&C）通信提供了掩护，对现有网络监控系统构成了显著挑战。现有方法在识别网络流量中的威胁方面能力有限，且忽视了实际网络环境中普遍存在的丢包现象。本文提出了一种基于受感染主机与C&C服务器交互模式的恶意软件流量检测方法。通过引入一种新型检测单元——信道单元（channel unit）来表征交互模式，与现有方法相比，所提方法能够跨网络流量识别威胁，且对丢包更具鲁棒性。评估实验表明，该方法在二分类和多分类场景下均表现出优异的检测性能，准确率分别达到99.84%和96.08%。在丢包容忍度方面，与现有方法相比，该方法在20%的丢包率下性能下降最小，多分类准确率维持在99.63%，二分类准确率维持在95.72%。
Keyword:
Malware traffic
Encrypted traffic
Intrusion detection
Network security
期刊
C
IF:
5.4
论文数:
4.6K
被引数:
1.4W
机构
引用论文
Flow-Data Gathering Using NetFlow Sensors for Fitting Malicious-Traffic Detection Models.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Kitsune: An Ensemble of Autoencoders for Online Network Intrusion DetectionKitsune: 用于在线网络入侵检测的自动编码器的集合
OAAI
OAAI分享收藏 没有更多内容
没有更多内容