.png){kind=icon}
返回
Anti-EMP: Encrypted Malware Packets Filtering Algorithm Leveraging Ciphertext Patterns Under Zero Knowledge Setting
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-94448-2_5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
恶意软件通常采用加密技术来混淆其网络通信，给基于网络的异常检测技术带来挑战。区分加密数据包变得尤为困难，特别是在零知识设置下，例如检测新恶意软件。现有方法依赖于从网络连接中提取独特特征来训练深度学习算法。然而，这些方法在处理新恶意软件时因信息有限而效果不佳。为解决此问题，我们提出Anti-EMP算法，用于过滤加密的恶意软件数据包。具体而言，Anti-EMP识别并筛选出源自同一恶意软件的多个客户端的加密数据包。我们的方法基于两个实际假设：(a) 数据包使用未知的相同流密码和加密密钥进行加密，(b) 可以捕获与恶意软件相关的可疑数据包。我们还提出了一种新颖的生成Anti-EMP的方法，显著增强了在零知识设置下检测加密恶意软件数据包的能力。我们的实验表明，Anti-EMP可在约一秒内生成，便于迭代和选择其他无效的可疑数据包。值得注意的是，我们提出的方案表现出高有效性，达到真阳性率（TPR）为0.998，假阳性率（FPR）为0.001。
Keyword:
Malware Detection
Encrypted Malware Packets
Zero Knowledge Setting
Packet Filtering
Artificial Intelligence
期刊
S
机构
引用论文
.png){kind=icon}
Hierarchical Clustering Based Network Traffic Data Reduction for Improving Suspicious Flow Detection
PREAI
分享收藏分享收藏
查看更多内容