arrow
返回

Enhanced Peer-to-Peer Botnet Detection Using Differential Evolution for Optimized Feature Selection

delete2025-08-22
delete0
PRE
AI
S
Sangita Baruah
V
Vaskar Deka
D
Dulumani Das
U
Utpal Barman
M
Manob Jyoti Saikia *
DOI:10.3390-fi17060247delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
随着网络犯罪的日益普遍,僵尸网络已成为一个重大威胁,每年不断渗透越来越多的合法计算机。僵尸网络攻击给组织、教育机构和个体带来的挑战包括分布式拒绝服务(DDoS)攻击、网络钓鱼攻击和勒索攻击,垃圾邮件的生成以及身份盗窃。僵尸网络的隐蔽性,其特征在于网络结构、攻击方法和数据传输模式的持续变化,给其检测带来了日益增长的困难。本文介绍了一种缓解僵尸网络威胁的创新策略。采用差分进化算法,我们提出了一种特征选择方法,以增强在动态网络威胁中区分点对点(P2P)僵尸网络流量的能力。差分进化是一种基于种群的元启发式技术,由于其快速收敛和少量控制参数的使用,可应用于非线性和非可微优化问题。此外,还采用了一种集成学习算法来支持并增强检测阶段,为现代P2P僵尸网络动态和复杂特性提供稳健防御。结果表明,我们的模型达到99.99%的准确率、99.49%的精确率、98.98%的召回率和99.23%的F1分数,优于现有的P2P检测方法。
Keyword:
botnet detection
differential evolution
feature selection
ensemble learning
P2P botnets

期刊

Future Internet 封面图
Future Internet
IF:
3.6
论文数:
1.3K
被引数:
6.5K

机构

G
Gauhati University
学者数:
1.8K
论文数: 1.4K
被引数: 11
Assam Down Town University 封面图
Assam Down Town University
学者数:
186
论文数: 105
被引数: 193
A
assam skill university
学者数:
9
论文数: 10
被引数: 0
U
University of Memphis
学者数:
3.4K
论文数: 3.2K
被引数: 3.8K
学者 查看更多机构
引用论文

引用论文

An empirical comparison of botnet detection methods
err2014-09-01
err516
errOAAI
errGarcia, S.; Grill, M.; Stiborek, J.; Zunino, A.
err分享
err收藏
err1997-01-01
err0
PREAI
errRainer Storn; Kenneth Price
err分享
err收藏
学者 查看更多内容