Generación de nombres de dominios mediante redes neuronales híbridas CNN-LSTM

El uso creciente de algoritmos de generación de dominios (DGA) para la comunicación entre servidores de comando y control (C&C) plantea serios desafíos en el proceso de detección de botnets. Los especialistas en seguridad deben estar en permanente actualización de las nuevas técnicas a fin d...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Leyva La O, Reynier, González, Rodrigo, Catania, Carlos A.
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2023
Materias:	Ciencias Informáticas DGA seguridad informática CNN LSTM nombres de dominio
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/165065
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-165065
record_format	dspace
spelling	I19-R120-10915-1650652024-04-19T20:03:06Z http://sedici.unlp.edu.ar/handle/10915/165065 Generación de nombres de dominios mediante redes neuronales híbridas CNN-LSTM Leyva La O, Reynier González, Rodrigo Catania, Carlos A. 2023-10 2024 2024-04-19T14:44:50Z es Ciencias Informáticas DGA seguridad informática CNN LSTM nombres de dominio El uso creciente de algoritmos de generación de dominios (DGA) para la comunicación entre servidores de comando y control (C&C) plantea serios desafíos en el proceso de detección de botnets. Los especialistas en seguridad deben estar en permanente actualización de las nuevas técnicas a fin de poder realizar una detección eficiente. En este trabajo, se propone el uso de una red neuronal que combina las técnicas de Convolutional Neural Network (CNN) y Long Short-Term Memory (LSTM) para generar nombres de dominios de manera algorítmica. El objetivo de contar con un generador de nombres de dominio es la de poder utilizar la información provista por el mismo en el proceso de detección de los mismos. Por lo que para su validación se realizaron pruebas a los dominios generados utilizando un detector de DGA y se encontró que los nombres generados no fueron fácilmente identificados como generados por DGA. Dicho detector mostró una exactitud de un 10%. Estos resultados sugieren que el generador de nombres propuesto puede ser una herramienta efectiva para detectar limitaciones en las técnicas de detección de DGA. Red de Universidades con Carreras en Informática Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 591-602
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas DGA seguridad informática CNN LSTM nombres de dominio
spellingShingle	Ciencias Informáticas DGA seguridad informática CNN LSTM nombres de dominio Leyva La O, Reynier González, Rodrigo Catania, Carlos A. Generación de nombres de dominios mediante redes neuronales híbridas CNN-LSTM
topic_facet	Ciencias Informáticas DGA seguridad informática CNN LSTM nombres de dominio
description	El uso creciente de algoritmos de generación de dominios (DGA) para la comunicación entre servidores de comando y control (C&C) plantea serios desafíos en el proceso de detección de botnets. Los especialistas en seguridad deben estar en permanente actualización de las nuevas técnicas a fin de poder realizar una detección eficiente. En este trabajo, se propone el uso de una red neuronal que combina las técnicas de Convolutional Neural Network (CNN) y Long Short-Term Memory (LSTM) para generar nombres de dominios de manera algorítmica. El objetivo de contar con un generador de nombres de dominio es la de poder utilizar la información provista por el mismo en el proceso de detección de los mismos. Por lo que para su validación se realizaron pruebas a los dominios generados utilizando un detector de DGA y se encontró que los nombres generados no fueron fácilmente identificados como generados por DGA. Dicho detector mostró una exactitud de un 10%. Estos resultados sugieren que el generador de nombres propuesto puede ser una herramienta efectiva para detectar limitaciones en las técnicas de detección de DGA.
format	Objeto de conferencia Objeto de conferencia
author	Leyva La O, Reynier González, Rodrigo Catania, Carlos A.
author_facet	Leyva La O, Reynier González, Rodrigo Catania, Carlos A.
author_sort	Leyva La O, Reynier
title	Generación de nombres de dominios mediante redes neuronales híbridas CNN-LSTM
title_short	Generación de nombres de dominios mediante redes neuronales híbridas CNN-LSTM
title_full	Generación de nombres de dominios mediante redes neuronales híbridas CNN-LSTM
title_fullStr	Generación de nombres de dominios mediante redes neuronales híbridas CNN-LSTM
title_full_unstemmed	Generación de nombres de dominios mediante redes neuronales híbridas CNN-LSTM
title_sort	generación de nombres de dominios mediante redes neuronales híbridas cnn-lstm
publishDate	2023
url	http://sedici.unlp.edu.ar/handle/10915/165065
work_keys_str_mv	AT leyvalaoreynier generaciondenombresdedominiosmedianteredesneuronaleshibridascnnlstm AT gonzalezrodrigo generaciondenombresdedominiosmedianteredesneuronaleshibridascnnlstm AT cataniacarlosa generaciondenombresdedominiosmedianteredesneuronaleshibridascnnlstm
_version_	1807222972742631424

Generación de nombres de dominios mediante redes neuronales híbridas CNN-LSTM

Ejemplares similares