Prepoznavanje mreže kompromitiranih računala obilježjima prometa sustava imenovanja domena u stvarnom vremenu

Cafuta, Davor

prikaz prve stranice dokumenta Prepoznavanje mreže kompromitiranih računala obilježjima prometa sustava imenovanja domena u stvarnom vremenu

No public access

doctoral thesis

Prepoznavanje mreže kompromitiranih računala obilježjima prometa sustava imenovanja domena u stvarnom vremenu

Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. urn:nbn:hr:168:264130

Cafuta, Davor

University of Zagreb
Faculty of Electrical Engineering and Computing
Department of Electronics, Microelectronics, Computer and Intelligent Systems

Cite this document

APA 6th Edition

Cafuta, D. (2017). Prepoznavanje mreže kompromitiranih računala obilježjima prometa sustava imenovanja domena u stvarnom vremenu (Doctoral thesis). Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:264130

MLA 8th Edition

Cafuta, Davor. "Prepoznavanje mreže kompromitiranih računala obilježjima prometa sustava imenovanja domena u stvarnom vremenu." Doctoral thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:264130

Chicago 17th Edition

Harvard

Cafuta, D. (2017). 'Prepoznavanje mreže kompromitiranih računala obilježjima prometa sustava imenovanja domena u stvarnom vremenu', Doctoral thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 01 February 2023, https://urn.nsk.hr/urn:nbn:hr:168:264130

Vancouver

Cafuta D. Prepoznavanje mreže kompromitiranih računala obilježjima prometa sustava imenovanja domena u stvarnom vremenu [Doctoral thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2017 [cited 2023 February 01] Available at: https://urn.nsk.hr/urn:nbn:hr:168:264130

IEEE

D. Cafuta, "Prepoznavanje mreže kompromitiranih računala obilježjima prometa sustava imenovanja domena u stvarnom vremenu", Doctoral thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2017. Available at: https://urn.nsk.hr/urn:nbn:hr:168:264130

Cite this item: https://urn.nsk.hr/urn:nbn:hr:168:264130

Please login to the repository to save this object to your list.

Metadata

Title	Prepoznavanje mreže kompromitiranih računala obilježjima prometa sustava imenovanja domena u stvarnom vremenu
Title (english)	Botnet detection based on domain name system traffic features in real time
Author	Davor Cafuta
Mentor	Vlado Sruk (mentor)
Committee member	Vlado Sruk (član povjerenstva)
Granter	University of Zagreb Faculty of Electrical Engineering and Computing (Department of Electronics, Microelectronics, Computer and Intelligent Systems) Zagreb
Defense date and country	2017, Croatia
Scientific / art field, discipline and subdiscipline	TECHNICAL SCIENCES Computing
Universal decimal classification (UDC)	621.3 - Electrical engineering
Abstract	Mreže kompromitiranih računala (eng. Botnet) danas se smatraju primarnom prijetnjom te su mnoga istraživanja usmjerena na njihovo otkrivanje i blokiranje. Moderne mreže kompromitiranih računala koriste se skrivanjem kroz osobine imeničkog protokola (eng. Fast-flux) kako bi zaštitili svoje domene kroz stalnu rotaciju kompromitiranih računala poslužitelja. U praksi ovaj koncept podsjeća na primijenjenu tehniku za pouzdano posluživanje (Content Delivery Network - CDN). Radi otkrivanja mreža kompromitiranih računala potrebno je uočiti razlike između te dvije primjene. Cilj rada je poboljšati tehniku otkrivanja mreža kompromitiranih računala na sustavu za otkrivanje napada ili usmjerniku. U radu se predlaže nova klasifikacijska metoda za analizu imeničkog prometa u svrhu razlikovanja mreža kompromitiranih računala od legitimne mreže za pouzdano posluživanje. Naglasak u klasifikaciji je usmjeren na primjenu u ugrađenom sustavu. Temeljem klasifikacije primijenjena je metoda mjerenja brzine odziva domene sa ciljem otkrivanja poslužitelja posrednika. Radi bolje klasifikacije kroz smanjenje lažnih pozitivnih rezultata predlaže se nova metoda analize broja pogodaka na pretraživačima. Dobiveni rezultati pokazuju da novo predložena klasifikacija može značajno unaprijediti otkrivanje mreže kompromitiranih računala. Predlaže se procedura za ugradnju navedene klasifikacije u ugrađeni sustav kao dio sustava za otkrivanje napada.
Abstract (english)	Botnets are considered as the primary threats on the Internet and there have been many research efforts to detect and mitigate them. Today, Botnet uses a DNS technique fast-flux to hide malware sites behind a constantly changing network of compromised hosts. This technique is similar to trustworthy Round Robin DNS technique and Content Delivery Network (CDN). In order to distinguish the normal network traffic from Botnets different techniques are developed with more or less success. The aim of this paper is to improve Botnet detection using an Intrusion Detection System (IDS) or router. A novel classification method for online Botnet detection based on DNS traffic features that distinguish Botnet from a CDN based traffic is presented. Botnet features are classified according to the possibility of usage and implementation in a embedded system. Traffic response is analysed as a strong candidate for online detection. Its disadvantage lies in specific areas where CDN acts as a Botnet. A new feature based on search engine hits is proposed to improve the false positive detection. The experimental evaluations show that proposed classification could significantly improve Botnet detection. A procedure is suggested to implement such a system as a part of an IDS.
Keywords
Keywords (english)
Language	croatian
URN:NBN	urn:nbn:hr:168:264130
Study programme	Title: Electrical Engineering and Computing Study programme type: university Study level: postgraduate Academic / professional title: Doktor znanosti elektrotehnike i računarstva (Doktor znanosti elektrotehnike i računarstva)
Type of resource	Text
Extent	165 str. ; 30 cm.
File origin	Born digital
Access conditions	Closed access
Terms of use
Repository	FER Repository
Created on	2019-04-04 16:20:52