物联网DDoS僵尸网络C＆C通信流量检测分析研究

贺余盛

doi:10.11959/j.issn.1000-0801.2019152

您当前的位置：

首页 >

文章列表页 >

物联网DDoS僵尸网络C＆C通信流量检测分析研究

研究与开发 | 更新时间：2024-06-05

- 物联网DDoS僵尸网络C＆C通信流量检测分析研究
- Research on C＆C traffic detection of DDoS BotNet in internet of things
- 电信科学 2019年35卷第6期页码：96-101
- 作者机构：
- 作者简介：
  
  [ "贺余盛（1971- ），男，国家计算机网络应急技术处理协调中心江西分中心副主任兼总工程师、高级工程师，主要从事互联网及数据通信相关系统建设、维护、经营管理和网络安全监管工作，主要研究方向为互联网网络安全应急响应。" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2019152
  中图分类号： TP393
- 网络出版日期：2019-06，
  
  纸质出版日期：2019-06-20
- 稿件说明：
移动端阅览
贺余盛. 物联网DDoS僵尸网络C＆C通信流量检测分析研究[J]. 电信科学, 2019,35(6):96-101.

Yusheng HE. Research on C＆C traffic detection of DDoS BotNet in internet of things[J]. Telecommunications science, 2019, 35(6): 96-101.
贺余盛. 物联网DDoS僵尸网络C＆C通信流量检测分析研究[J]. 电信科学, 2019,35(6):96-101. DOI： 10.11959/j.issn.1000-0801.2019152.

Yusheng HE. Research on C＆C traffic detection of DDoS BotNet in internet of things[J]. Telecommunications science, 2019, 35(6): 96-101. DOI： 10.11959/j.issn.1000-0801.2019152.

摘要

物联网 DDoS 僵尸网络 C＆amp;C 通信检测是识别 DDoS 僵尸网络的重要组成部分。通过分析僵尸网络C＆amp;C通信流量总结出C＆amp;C通信数据分组较小和DNS通信的周期性的特点，从而提出基于网络通信流量的特性识别僵尸网络C＆amp;C通信的方法，提升了僵尸网络C＆amp;C通信识别的查准率。

Abstract

C＆amp;C communication detection used in IoT DDoS BotNet is an important part to identify DDoS BotNet.By analyzing C＆amp;C communication traffic in the BotNet

the characteristics of the smaller C＆amp;C communication data packet and the periodicity of DNS communication were summarized.Based on these characteristics of the network communication traffic

a method to identify C＆amp;C communication in the BotNet was proposed

which helped to improve the accuracy rate of identifying C＆amp;C communication in the BotNet.

关键词

Keywords

references

周大 , 刘亚 . 一种识别 DDoS 僵尸网络通信协议的方法及装置:CN201410196838.2 [P ] .2017-02-22.

ZHOU D , LIU Y . Method and device for identifying DDoS BotNet communication protocol:CN201410196838.2 [P ] .201702-22.

胡渊博 , 程静 , 陈渤 . 基于多特征的 SMS 僵尸网络检测模型 [J ] . 中国电子科学研究院学报 , 2018 ( 4 ): 384 - 388 .

HU Y B , CHENG J , CHEN B . Multi-feature based SMS BotNet detection model [J ] . Journal of China Academy of Electronics and Information Technology , 2018 ( 4 ): 384 - 388 .

李传煌 , 孙正君 , 袁小雍 , 等 . 基于深度学习的实时DDoS攻击检测 [J ] . 电信科学 , 2017 , 33 ( 7 ): 53 - 65 .

LI C H , SUN Z J , YUAN X Y , et al . Real-time DDoS attack detection based on deep learning [J ] . Telecommunications Science , 2017 , 33 ( 7 ): 53 - 65 .

滕建 , 陈骏君 , 赵英 . 基于用户网络行为模型的 DDoS 攻击检测 [J ] . 2018 .

TENG J , CHEN J J , ZHAO Y . DDoS attack detection based on user network behavior model [J ] . 2018 .

任斌 , 周亦敏 . 大规模网络环境下僵尸网络检测研究 [J ] . 软件导刊 , 2017 , 16 ( 10 ): 189 - 191 .

REN B , ZHOU Y M . Research on BotNet detection in large-scale network environment [J ] . Software Guide , 2017 , 16 ( 10 ): 189 - 191 .

浏览量

486

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

大规模输电线路状态监测传感器网络的周期性低功耗通信技术方案

DDoS攻击恶意行为知识库构建

5G承载网数据采集和安全管控演进思路

基于组合分类器的恶意域名检测技术

内生安全网络架构