تشخیص شبکه بات با رویکرد تحلیل رفتاری جریان شبکه و بهره گیری از الگوریتم های داده کاوی

«شبکه بات» شبکه ای از رایانه های آلوده متصل به اینترنت است که تحت مدیریت سرور فرماندهی و کنترل قرار دارد و برای حملات انکار سرویس، فرستادن هرزنامه و عملیات مخرب دیگر مورداستفاده قرار می گیرد. باوجود ویژگی های خاص هر شبکه بات، بات ها در داخل شبکه رفتارهای همسانی از خود نشان می دهند و این می تواند نقطه آغاز شناسایی یک بات در داخل شبکه باشد و با شناسایی این رفتار همگون می توان ترافیک تولیدی بات ها را از ترافیک عادی شبکه تفکیک کرد و از مشکلاتی مانند یافتن الگوریتم های رمزگشایی کانال های ارتباطی رمزنگاری شده در امان بود.
رفتار همسان بات ها در داخل شبکه بات می تواند منجر به تولید ویژگی ها و خصیصه هایی شود که بتوان با تحلیل این ویژگی ها، جریان بدخواه را از جریان سالم تشخیص داد. منطق اصلی روش استفاده شده در این پژوهش بر این پایه استوار است که شبکه های بات، الگو های ترافیکی قابل تشخیصی از خود به جای می گذارند که به کمک روش های یادگیری ماشین قابل شناسایی بوده و می توان ترافیک تولیدی توسط آن ها را از ترافیک عادی شبکه جدا کرد. در این مقاله ویژگی ها و رفتار شبکه های بات مشهور همچون Weasel در جهت تولید خصیصه ها مطالعه شد. سپس بعد از تهیه مجموعه داده های واقعی که ترکیبی از ترافیک سالم و ترافیک تولیدی توسط چندین شبکه بات مشهور است، جریان بسته ها در پنجره های زمانی 300 ثانیه ای تحلیل شده و با توجه به الگو های ترافیکی قابل تشخیص، خصیصه های مختلفی استخراج (تولید) شد. این خصیصه ها در ابزار وکا و به کمک الگوریتم های یادگیری ماشین داده کاوی شده و نتایج طبقه بندی به عنوان خروجی ارائه می شود. نتایج خروجی ها نشان دهنده نرخ تشخیص بالاتر در مقایسه باکارهای مشابه و در حدود 99 درصد می باشد. درنهایت نیز روشی برای شناسایی بلادرنگ شبکه های بات ارائه خواهد شد.