LAPRAD: LLM-Assisted PRotocol Attack Discovery
UCLA(加州大学洛杉矶分校);Tel-Aviv University(特拉维夫大学)
本研究提出三阶段的LAPRAD方法论,借助大语言模型辅助发现DNS协议漏洞,找到3种新型SigCacheFlush类DDoS攻击,可绕过现有补丁、大幅降低解析器服务能力。
2025-10-22 cs.AI cs.CR cs.NI
Methodology proposal for proactive detection of network anomalies in e-learning system during the COVID-19 scenario
在特定条件和危机情况下,如冠状病毒大流行(SARS-CoV-2)或COVID-19疾病,电子学习系统对于顺利执行教学和其他教育过程至关重要。在这种情况下,电子学习生态系统要素的可用性得到进一步强调。从对AAI@EduHr的DDoS(分布式拒绝服务)攻击中可以明显看出确保这种生态系统可用性的重要性,AAI@EduHr是克罗地亚共和国许多电子学习用户的关键认证服务。在这样做的过程中,许多用户(教师/学生/管理员)被阻止执行和参与计划的教学过程。鉴于DDoS作为一种异常的网络流量已被确定为在危机情况下对电子学习生态系统的主要威胁之一,本研究将侧重于概述的方法,去病毒化模型的主动检测DDoS流量。检测中的挑战是有效区分由合法用户活动(flash crowd)引起的增加的流量强度和服务请求与由DDoS攻击引起的非法流量。通过以下分析方法开发的DDoS流量检测模型将作为基础,以响应可能对电子学习生态系统元素(如DDoS攻击)的可用性产生负面影响的事件的形式提供进一步的指导方针和建议。
2021-04-22 cs.CR
Zombies in Alternate Realities: The Afterlife of Domain Names in DNS Integrations
USC/Information Sciences Institute(南加州大学信息科学研究所);University of Twente(特温特大学)
研究DNS整合中僵尸链接的威胁模型及影响,揭示不同系统中僵尸比例差异及设计对结果的影响,提出减少僵尸的措施。
2026-05-07 cs.CR cs.NI
The Evolution of DNS Security and Privacy
本文梳理DNS面临的安全风险,并总结增强DNS生态攻击抵御能力与用户隐私保护的最新技术进展。
2023-12-01 cs.CR cs.NI
Does Your DNS Recursion Really Time Out as Intended? A Timeout Vulnerability of DNS Recursive Servers
DNS递归服务器的特点是代表客户端进行耗时的递归。作为常见的DNS配置,递归服务器应该为每个递归允许合理的超时,这可能需要几秒钟。然而,本文提出,递归并行化可能会被攻击者利用,以达到拒绝服务或DDoS攻击的目的,危及递归超时机制。攻击者可以让递归服务器通过饱和递归并行化来丢弃服务中早期存在的递归。该攻击模型的关键是可靠地延长服务时间的任何攻击查询。作为延长服务时间的手段,提出了几种技术,分别有效地避免缓存命中和延长外部DNS查找的总延迟。分析了饱和递归并行化对超时的影响。在BIND服务器上的测试表明,通过精心制作的查询,攻击者可以使用低或中等级别的查询负载成功地压倒目标递归服务器,使其无法为合法客户端提供服务。
2017-02-14 cs.CR
SHoM: A Mental-Synthesis Trust Management Model for Mitigating Botnet-Driven DDoS Attacks in the Internet of Things
本文提出SHoM信任管理模型,通过综合考量信任相关的安全因素,缓解物联网中由僵尸网络驱动的DDoS攻击,并基于对40至50个现有安全模型的综述研究进行设计。
2025-08-16 cs.CR
Methodology for Detecting Cyber Intrusions in e-Learning Systems during COVID-19 Pandemic
在冠状病毒疫情等特定条件和危机的情景下,电子学习生态系统元素的可用性进一步凸显。保护这样一个生态系统的日益重要性可以从对克罗地亚电子学习系统的电子学习组件的DDoS(分布式拒绝服务)攻击中看出。这次攻击的负面影响显而易见,许多用户无法参与和实施计划的教学过程。网络异常,如DDoS攻击被确定为电子学习系统的关键威胁之一。本文概述了网络异常现象,以及僵尸网络在产生DDoS攻击中的作用,特别是物联网设备的影响。该文件分析COVID-19疫情对克罗地亚电子学习系统的影响。基于这些结论,提出了一种研究方法论来开发一种网络威胁检测模型,该模型考虑了电子学习系统在危机中的应用的具体情况,区分了通信网络中的闪光人群事件和异常情况。提出的方法包括建立DDoS和flash人群事件流量的理论基础,定义一个实验室测试台设置数据采集,DDoS检测模型的开发,并测试开发的模型的适用性的案例研究。所提出的方法的实施可以通过及时的DDoS检测来提高教学过程的质量,并提供其他社会经济贡献,例如开发特定的研究领域,公开提供的网络流量数据集,以及提高电子学习系统的网络安全性。
2021-04-22 cs.CR
NFDLM: A Lightweight Network Flow based Deep Learning Model for DDoS Attack Detection in IoT Domains
Indian Institute of Information Technology(印度信息技术学院);THM University of Applied Sciences(THM应用科学大学)
近年来,物联网(IoT)设备上的分布式拒绝服务(DDoS)攻击已成为全球互联网用户的主要关注点之一。对物联网生态系统的攻击来源之一是僵尸网络。入侵者通过在短时间内发送大量消息,迫使物联网设备对其合法用户不可用。该研究提出了一种轻量级和优化的基于人工神经网络(ANN)的分布式拒绝服务(DDoS)攻击检测框架NFDLM,该框架以互相关性作为特征选择方法,与长短期记忆(LSTM)和简单ANN相比,其检测性能优于后者。在这项工作中,我们设计并比较了四种不同的模型,其中两种基于ANN,另外两种基于LSTM来检测DDoS攻击类型。
2022-07-15 cs.CR cs.LG
CryptoDNA: A Machine Learning Paradigm for DDoS Detection in Healthcare IoT, Inspired by crypto jacking prevention Models
提出受加密劫持检测启发的轻量级机器学习框架CryptoDNA,通过行为分析与动态异常检测在医疗物联网中以超96%准确率检测DDoS攻击,兼顾低开销与强可扩展性。
2025-01-30 cs.CR
Reconstruction-based LSTM-Autoencoder for Anomaly-based DDoS Attack Detection over Multivariate Time-Series Data
Massey University(梅西大学);Central Queensland University(中央昆士兰大学);CSIRO Data61(澳大利亚联邦科学与工业研究组织数据61研究所)
针对传统方法无法检测未见过的 DDoS 攻击问题,提出基于重构的 LSTM-AE 模型,通过学习流量时序相关性并利用重构误差识别异常,在反射型 DDoS 攻击检测中准确率超 99%。
2023-04-21 cs.CR cs.LG
Explaining Machine Learning DGA Detectors from DNS Traffic Data
University of Cagliari(卡利亚里大学);Pluribus One S.r.l.(Pluribus One有限责任公司)
在线系统缺乏连续性的最常见原因之一源于广泛流行的网络攻击,称为分布式拒绝服务(DDoS),其中受感染设备(僵尸网络)的网络被利用来通过攻击者的命令淹没服务的计算能力。这种攻击是通过域生成算法(DGAs)利用域名系统(DNS)技术进行的,DGAs是一种隐形连接策略,但会留下可疑的数据模式。为了发现这种威胁,在分析方面取得了进展。对于大多数人来说,他们发现机器学习(ML)是一种解决方案,可以非常有效地分析和分类大量数据。虽然ML模型表现强劲,但在决策过程中存在一定程度的模糊性。为了解决这个问题,ML的一个分支,称为可解释ML,试图打破分类器的黑盒性质,使它们可解释和人类可读。这项工作解决了僵尸网络和DGA检测背景下的可解释ML问题,据我们所知,这是第一个具体分解ML分类器在设计用于僵尸网络/DGA检测时的决策,因此提供了全局和局部解释。
2022-08-10 cs.CR cs.LG
A Secure Contained Testbed for Analyzing IoT Botnets
随着物联网(IoT)设备的日益广泛采用,许多安全问题已经浮出水面。Mirai对Dyn DNS服务的攻击,其中IP摄像头,DVR和路由器等易受攻击的物联网设备被感染并用于传播大规模DDoS攻击,是最近比较突出的例子之一。物联网僵尸网络由数十万个僵尸程序组成,目前至少存在于“野外”,预计未来只会增长,有可能导致网络公司严重的网络停机和经济损失。因此,我们建议建立测试平台来评估物联网僵尸网络,并针对它们设计合适的缓解技术。在这项工作中提出了一个基于DETERlab的物联网僵尸网络测试床。该测试平台构建在一个安全的封闭环境中,包括DHCP、DNS等辅助服务以及僵尸网络基础设施,包括CnC和scanListen/loading服务器。开发物联网僵尸网络测试平台给我们带来了一些独特的挑战,这些挑战与非物联网僵尸网络测试平台中遇到的挑战不同,我们在本文中重点介绍了这些挑战。此外,我们指出了我们的测试平台的重要功能,并通过实验结果说明了它的一些功能。
2019-06-17 cs.CR cs.NI
The Rise of Certificate Transparency and Its Implications on the Internet Ecosystem
在本文中,我们分析了证书透明性(CT)随着时间的推移的演变,并从安全和隐私的角度探讨了暴露证书DNS名称的影响。我们发现CT日志中的证书呈指数级增长。对CT的网站支持也不断增加,现在已有33%的连接支持CT。随着CT部署的增加,由于所有证书在CT日志中可见,因此也存在信息泄漏的问题。为了理解这种威胁,我们引入了一个CT蜜罐,并显示来自CT日志的数据被用来识别在证书颁发后几分钟内扫描活动的目标。我们提出并评估了一种方法来学习和验证新的子域从CT记录证书中提取的大量域。
2018-09-21 cs.CR cs.NI
E-DoH: Elegantly Detecting the Depths of Open DoH Service on the Internet
本文提出E-DoH方法,通过优化探测机制和高效工具,在IPv4空间中发现约4.6万个DoH服务,时间效率提升80%,流量需求仅为4%-20%,并揭示了DoH服务生态的若干有趣特征。
2024-03-19 cs.CR cs.NI
Unravelling Ariadne's Thread: Exploring the Threats of Decentalised DNS
核心互联网技术的当前格局显示出相当大的集中化,大型科技公司控制着绝大多数流量和服务。这引发了广泛的去中心化举措,其中最深刻和最成功的可能是区块链技术。在过去的几年里,核心互联网基础设施--域名系统(DNS)正在进行修改,主要是由于其固有的安全和隐私问题。其中一个被提出的灵丹妙药是基于区块链的DNS,它声称可以解决传统DNS的许多问题。然而,这并不是没有安全问题和问题,因为任何新技术的引入和采用都是如此-更不用说像区块链这样的破坏性技术了。在这项工作中,我们讨论了一些相关的威胁,包括新出现的威胁,我们用真实世界的数据验证了其中许多威胁。在这方面,我们探索了区块链DNS生态系统的一部分,包括使用这些技术的浏览器扩展、链本身(Namecoin和Emercoin)、域名以及在两个平台上注册的用户。最后,我们提供了一些对策,以解决所确定的威胁,我们提出了一个肥沃的共同点,为进一步研究。
2019-12-07 cs.CR
Enhancing IoT Security Against DDoS Attacks through Federated Learning
Carleton University(卡尔顿大学);Institute of Science and High Technology and Environmental Science(科学与高技术及环境科学研究所)
针对物联网DDoS攻击,提出基于联邦学习的检测框架,利用深度自编码器降维与重训练、部分选择技术,在非IID数据集N-BaIoT上验证FedAvgM优于FedAvg,实现隐私保护下的高效攻击检测。
2024-03-16 cs.AI cs.CR cs.LG
FIDS: Fuzzy Intrusion Detection System for simultaneous detection of DoS/DDoS attacks in Cloud computing
本文提出模糊入侵检测系统FIDS,通过监控17项服务器参数并结合CUSUM算法与模糊神经网络,同时检测云计算中HTTP、数据库、TCP SYN和DNS Flood四类DoS/DDoS攻击,将平均检测率从Snort的57%提升至95%。
2023-05-25 cs.CR
Characterising attacks targeting low-cost routers: a MikroTik case study (Extended)
针对网络基础设施设备的攻击对互联网的安全构成威胁。针对此类设备的攻击可能会影响整个自治系统。近年来,VPNFilter、Navidade和SonarDNS等恶意软件已被用于危害低成本路由器,并实施从DDoS攻击到勒索软件部署的各种网络犯罪。相关类型的路由器既用于为家庭用户提供最后一英里访问,也用于管理域间路由(BGP)。MikroTik是一个特定品牌的低成本路由器。在我们之前的研究中,我们发现互联网上有超过400万个MikroTik路由器。我们已经表明,这些设备在Internet Exchange基础设施中也很受欢迎。尽管这些设备很受欢迎,但已知它们存在许多漏洞。在本文中,我们通过对MikroTik攻击的长期调查来扩展我们之前的分析。通过使用我们开发的高度互动的蜜罐,我们在120天内从部署在澳大利亚、巴西、中国、印度、荷兰和美国的传感器收集了超过4400万个数据包。根据常见漏洞和暴露对传入流量进行分类,以检测针对MikroTik设备的攻击。这使我们能够识别系统上的各种活动,例如加密货币挖掘,DNS服务器重定向,以及3,000多个成功建立的用于窃听的隧道。尽管这项研究的重点是Mikrotik设备,但该方法和公开可用的脚本都可以轻松应用于任何其他类型的网络设备。
2020-11-03 cs.CR
Scam Pandemic: How Attackers Exploit Public Fear through Phishing
随着COVID-19大流行开始在全球范围内引发大范围封锁,网络犯罪分子毫不犹豫地利用用户对互联网的使用和依赖增加。在本文中,我们对大流行最初几个月的在线社交工程攻击进行了全面的测量研究。通过收集、综合和分析DNS记录、TLS证书、网络钓鱼网址、网络钓鱼网站源代码、网络钓鱼电子邮件、网络钓鱼网站的网络流量、新闻文章和政府公告,我们跟踪了2020年1月至5月期间网络钓鱼活动的趋势,并试图了解潜在趋势的主要影响。我们发现,2020年3月及4月的网络钓鱼攻击流量飙升至COVID-19前的220\%,远超典型的季节性高峰。攻击者利用受害者对疫情的不确定性和恐惧,通过各种高度针对性的诈骗,包括目前防御不足的新兴诈骗类型,以及超过生态系统集体反应的传统网络钓鱼。
2021-03-23 cs.CR
Bet and Attack: Incentive Compatible Collaborative Attacks Using Smart Contracts
智能合约支持的区块链允许构建分散的应用程序,其中相互不信任的各方可以一起工作。最近,出现了oracle服务,为这些应用程序提供真实世界的数据馈送。不幸的是,这些功能已被用于所谓的犯罪智能合约下的恶意目的。一些作品探讨了这一黑暗面,并展示了各种各样的攻击。然而,他们都没有考虑对区块链生态系统之外的目标进行协作攻击。在本文中,我们弥合了这一差距,并引入了一个基于智能合约的框架,该框架允许赞助商在(伪)匿名攻击者之间策划协作攻击,并为此奖励他们。虽然之前的所有工作都需要一种技术来量化攻击者的个人贡献,但这对于现实世界的目标来说是不可行的,我们的框架避免了这一点。这是通过开发一种新的方案,通过打赌进行不信任的合作。也就是说,攻击者对事件下注(即,攻击发生)并且然后致力于使该事件发生(即,进行攻击)。以DDoS攻击为例,我们将攻击者之间的互动描述为一个博弈,并正式证明了这些攻击者在博弈的唯一均衡中的合作比例与他们的赌注成正比。我们还模型化了我们的框架及其作为激励机制的奖励函数,并证明了它是一个策略证明和平衡的。最后,我们进行数值模拟,以证明我们的框架的平衡行为。
2021-09-23 cs.CR cs.GT
A Scalable Hierarchical Intrusion Detection System for Internet of Vehicles
School of Information Technology, Crown Institute of Higher Education(信息技术学院,皇冠高等教育学院)
针对车联网集中式入侵检测延迟高、边缘节点资源受限的问题,提出一种分层分类框架,结合Boruta特征选择,在CIC-IoV2024数据集上验证了其可行性和有效性。
2025-05-22 cs.CR cs.LG