05.07.2024; Житомир, Україна: II Міжнародна наукова конференція «Інноваційна наука: пошук відповідей на виклики сучасності»
Роботи, що індексуються в Google Scholar

ВИКОРИСТАННЯ ІНСТРУМЕНТІВ ДЛЯ ЗБОРУ ДАНИХ НЕОБХІДНИХ ДЛЯ МАШИННОГО НАВЧАННЯ ДЛЯ ТРЕНУВАННЯ МОДЕЛЕЙ З МЕТОЮ АНАЛІЗУ DNS-ТРАФІКУ У СФЕРІ КІБЕРБЕЗПЕКИ

  • Микола Сич,
  • Анастасія Бригинець,
  • Дар’я Шулімова,
  • Анна Бойко
DOI: https://doi.org/10.62731/mcnd-05.07.2024.006
PDF

Опубліковано 05.07.2024

Як цитувати

Сич, М., Бригинець, А., Шулімова, Д., & Бойко, А. (2024). ВИКОРИСТАННЯ ІНСТРУМЕНТІВ ДЛЯ ЗБОРУ ДАНИХ НЕОБХІДНИХ ДЛЯ МАШИННОГО НАВЧАННЯ ДЛЯ ТРЕНУВАННЯ МОДЕЛЕЙ З МЕТОЮ АНАЛІЗУ DNS-ТРАФІКУ У СФЕРІ КІБЕРБЕЗПЕКИ. Матеріали конференцій МЦНД, (05.07.2024; Житомир, Україна), 157–163. https://doi.org/10.62731/mcnd-05.07.2024.006

Завантаження

Дані завантаження ще не доступні.

Авторське право (c) 2024 Микола Сич, Анастасія Бригинець, Дар’я Шулімова, Анна Бойко

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.

Google Scholar

Анотація

Одним з актуальних та ефективних способів дослідження загроз у сфері кібербезпеки є аналіз DNS-трафіку. Вивчаючи подробиці обміну пакетами даних, інформацію, що міститься у запитах та відповідях, фахівці розпізнають різні патерни загрозливої поведінки, що допомагає визначити здійснювану зловмисними суб’єктами діяльність. Природа обміну даними через DNS створює перешкоди у швидкому виявленні аномальної діяльності традиційними системами виявлення вторгнень (IDS). Для протистояння таким викликам було розроблено складні підходи для аналізу DNS трафіку з використанням алгоритмів машинного навчання.

PDF

Посилання

  1. 1. DNS security. ResearchGate Logo. URL: https://www.researchgate.net/publication/2586443_DNS_security (дата звернення: 03.05.2024).
  2. 2. Hudák P. Analysis of DNS in Cybersecurity. URL: https://is.muni.cz/th/byrdn/Thesis.pdf (дата звернення: 03.05.2024).
  3. 3. Mahdavifar S., Salem A.H. Lightweight Hybrid Detection of Data Exfiltration using DNS based on Machine Learning. Weihai, China: The 11th IEEE International Conference on Communication and Network Security (ICCNS), 2021.
  4. 4. Zimba A., Chishimba M. Exploitation of DNS tunneling for optimization of data exfiltration in malware-free APT intrusion. ZambiaICT Journal, 51-56.
  5. 5. Home | TCPDUMP & LIBPCAP. Home | TCPDUMP & LIBPCAP. URL: https://www.tcpdump.org/ (дата звернення: 03.05.2024).
  6. 6. Wireshark Go Deep. Wireshark. URL: https://www.wireshark.org/ (дата звернення: 03.05.2024).