$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

비정상도메인 분류를 위한 DNS 쿼리 기반의 주성분 분석을 이용한 성분추출
Feature Selection with PCA based on DNS Query for Malicious Domain Classification 원문보기

정보처리학회논문지. KIPS transactions on computer and communication systems 컴퓨터 및 통신 시스템, v.1 no.1, 2012년, pp.55 - 60  

임선희 (한국전자통신연구원) ,  조재익 (삼성전자 연구원) ,  김종현 (한국전자통신연구원) ,  이병길 (한국전자통신연구원 융합보안연구팀)

초록
AI-Helper 아이콘AI-Helper

최근 봇넷(Botnet)은 탐지 기술을 피하기 위하여 C&C(Command and Control)서버 접속시 DNS(Domain Name System) 서비스를 이용하고 있다. DNS 서비스를 이용한 비정상 행위에 대응하기 위해서 DNS 트래픽 기반의 분석 연구가 필요하다. 본 논문에서는 좀비PC의 C&C서버 도메인주소 질의와 같은 DNS트래픽 기반의 비정상 도메인 분류(Classification)를 위해서 DNS트래픽 수집 및 지도학습(Supervised Learning)에 대해 연구한다. 특히, 본 논문에서는 PCA(Principal Component Analysis) 주성분분석 기술을 통해 DNS 기반의 분류시스템에서의 효과적인 분석 성분들을 구성할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recent botnets are widely using the DNS services at the connection of C&C server in order to evade botnet's detection. It is necessary to study on DNS analysis in order to counteract anomaly-based technique using the DNS. This paper studies collection of DNS traffic for experimental data and supervi...

주제어

#DNS   #Botnet   #DDoS   #Malware Detection   #C&C Server  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 다양하게 진화된 봇넷 기술들 중 도메인네임 서비스를 사용하는 봇넷 기술에 대한 탐지를 위해 DNS 쿼리 수집 및 분석(Passive Analysis)을 통한 정상적인 도메인 질의 트래픽과 좀비PC들이 C&C서버에 접속하기 위한 도메인 주소 질의 트래픽간의 특성(Characterization) 즉 분석성분(Feature) 도출을 목적으로 한다. DNS 트래픽의 여러 가지 정보에 정상 쿼리와 비정상 쿼리간의 특성을 나타내는 비중있는 정보를 선정하기 위한 방법을 제안한다. 제안하는 방법은 주성분 분석 PCA 방법을 통해 실제 DNS 트래픽 헤더 및 DNS 트래픽의 IP 패킷 헤더, UDP 헤더 정보에서 사용 가능한 모든 속성을 분석한다.
  • 본 논문에서는 DNS 트래픽 기반의 정상 쿼리와 비정상 쿼리의 성향을 분석하기 위해 DNS 트래픽에서 획득할 수 있는 최대한의 정보들 DNS 쿼리 헤더 데이터 및 DNS 쿼리 데이터의 IP 패킷 정보들을 수집하여 Table 2와 같이 DNS 쿼리 및 IP패킷 속성에 해당되는 모든 분석성분들을 테스트하였다.
  • 본 논문에서는 DNS서비스를 이용하여 좀비PC가 C&C서버에 접속하는 봇넷 기술에서 비정상 도메인 C&C 서버를 추출하기 위해 정상 DNS 트래픽과 비정상 즉 좀비 PC들이 질의하는 DNS 트래픽 분류를 목적으로 한다.
  • 본 논문에서는 다양하게 진화된 봇넷 기술들 중 도메인네임 서비스를 사용하는 봇넷 기술에 대한 탐지를 위해 DNS 쿼리 수집 및 분석(Passive Analysis)을 통한 정상적인 도메인 질의 트래픽과 좀비PC들이 C&C서버에 접속하기 위한 도메인 주소 질의 트래픽간의 특성(Characterization) 즉 분석성분(Feature) 도출을 목적으로 한다.
  • 본 논문에서는 DNS서비스를 이용하여 좀비PC가 C&C서버에 접속하는 봇넷 기술에서 비정상 도메인 C&C 서버를 추출하기 위해 정상 DNS 트래픽과 비정상 즉 좀비 PC들이 질의하는 DNS 트래픽 분류를 목적으로 한다. 비정상 DNS 트래픽을 분류하기 위해 본 논문에서는 DNS 트래픽 수집 및 주성분 분석 기술인 PCA 기술을 기반으로 비정상 DNS 트래픽의 주성분을 추출한다.
  • 비정상도메인을 탐지하기 위해 본 논문에서는 3가지 실험을 통해 DNS 데이터를 수집하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
BotSniffer란 무엇인가? BotSniffer은 중앙집중형 봇넷 구조에서의 C&C 행위를 탐지하기 위한 기술이다. 중앙집중형 봇넷은 주로 IRC 혹은 HTTP 프로토콜을 사용함으로써 BotSniffer 기술에서는 IRC 프로토콜과 HTTP 프로토콜의 특징을 기반으로 탐지한다.
BotMiner가 가지고 있는 한계는 무엇인가? BotMiner의 선행기술에서는 “who is doing what” 호스트의 수행 행위 측면과 “who is talking to whom” 네트워크 유사 패턴 측면을 기반으로 군집화(Clustering)한다. 하지만, 네트워크 패턴 측면에서의 봇넷 유형으로 일시적인 데이터량 증가의 특징을 중심으로 네트워크 플로우 기반의 분석 방법으로만 적용한다는 한계를 가지고 있다.
봇넷은 무엇으로 구성되는가? 봇넷의 구조는 Fig. 1과 같이 실제 감염된 봇들에게 공격 명령을 내리는 봇마스터(Bot Master), 명령 및 제어 메시지를 전달하는 C&C 서버, 악성코드 봇(Bot)에 감염되어 공격자로부터 제어를 받는 좀비(Zombie) PC들로 구성된다[1].
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. http://en.wikipedia.org/wiki/Botnet 

  2. H. Choi, H. Lee, H. Lee,H. Kim, "Botnet detection by monitoring group activities in DNS traffic", in Computer and Information Technology, 2007. CIT 2007. 7th IEEE International Conference on, 2007, pp.715-720. 

  3. G. Gu, J. Zhang,W. Lee, "BotSniffer: Detecting botnet command and control channels in network traffic", in Proceedings of the 15th Annual Network and Distributed System Security Symposium (NDSS'08), 2008. 

  4. G. Gu, R. Perdisci, J. Zhang,W. Lee, "BotMiner: clustering analysis of network traffic for protocol-and structureindependent botnet detection", in Proceedings of the 17th conference on Security symposium, 2008, pp.139-154. 

  5. J. Liu, Y. Xiao, K. Ghaboosi, H. Deng,J. Zhang, "Botnet: Classification, attacks, detection, tracing, and preventive measures", in EURASIP journal on wireless communications and networking, 2009, Vol.2009, pp.1184-1187. 

  6. R. Villamarin-Salomon,J. C. Brustoloni, "Identifying botnets using anomaly detection techniques applied to DNS traffic", in Consumer Communications and Networking Conference, 2008. CCNC 2008. 5th IEEE, 2008, pp.476-481. 

  7. J. Dietrich, C. Rossow, F. Freiling, "On Botnets that use DNS for Command and Control". 

  8. R. Villamarin-Salomon,J. C. Brustoloni, "Bayesian bot detection based on DNS traffic similarity", in Proceedings of the 2009 ACM symposium on Applied Computing, 2009, pp.2035-2041. 

  9. H. Tu, Z. Li,B. Liu, "Detecting botnets by analyzing DNS traffic", Intelligence and Security Informatics, pp.323-324, 2007. 

  10. Jiawei Han and Micheline Kamber, "Data Mining 2nd Edition", 2007. 

  11. L. Bilge, E. Kirda, C. Kruegel,M. Balduzzi, "EXPOSURE: Finding malicious domains using passive dns analysis", Proceedings of the Annual Network and Distributed System Security (NDSS)(February 2011). 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로