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

Institutional repository: FER Repository

Cite this document

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

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

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

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 04 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:264130

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 2024 November 04] Available at: https://urn.nsk.hr/urn:nbn:hr:168:264130

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

Metadata
TitlePrepoznavanje 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
AuthorDavor Cafuta
MentorVlado Sruk (mentor)
Committee memberVlado Sruk (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
(Department of Electronics, Microelectronics, Computer and Intelligent Systems)
Zagreb
Defense date and country2017, 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)
Languagecroatian
URN:NBNurn:nbn:hr:168:264130
Study programmeTitle: 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 resourceText
Extent165 str. ; 30 cm.
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Created on2019-04-04 16:20:52