摘要
殭屍網路（Botnet）是現今最具威脅的網路攻擊方式之一，網路犯罪者透過各種手段將惡意程式植入受害電腦中，以進行DDoS攻擊、隱私資料竊取與發送廣告郵件等惡意行為。網路犯罪者利用Fast Flux網域技術，以提升殭屍網路存活率。隨機挑選殭屍電腦（Bots）以代傳惡意資訊，不讓惡意伺服器直接與使用者連接，避免被查獲與封鎖。以往的FastFlux網域偵測研究以經年累月的黑名單特徵資料庫進行比對與判斷，並未考慮惡意FastFlux網域之特徵在效率、空間的變化。根據本研究分析顯示惡意Fast Flux網域存活時間不長，黑名單內多半是已關閉的惡意主機或是網域，無法正確偵測目前有效的惡意FastFlux網域。本研究旨在研究輕量化的惡意Fast Flux網域偵測技術，針對可疑網址以數項可觀察的網路行為表徵進行量化與比對，以低時間複雜度的判斷機制，即時偵測惡意FastFlux網域。經由實驗證實，未使用黑名單的條件下，本研究可以有效地判斷惡意Fast-Flux網域，並且降低偵測機制的運行資源與時間。
參考文獻
abuse.ch ZeuS Tracker, https://zeustracker.abuse.ch.
Alexa, http://www.aleza.com
ATLAS, http://atlas.arbor.net/summary/fastflux
joewein.de LLC, http://www.joewein.net.
Caglayan, A.,Toothaker, M.,Drapeau, D.,Burke, D.,Eaton, G.(2010).Behavioral Patterns of Fast Flux Service Networks.Proceedings of the 43rd Hawaii International Conference on System Sciences (HICSS).(Proceedings of the 43rd Hawaii International Conference on System Sciences (HICSS)).
延伸閱讀
- 陳嘉玫、賴谷鑫（2016）。基於漸增式分群法之惡意程式自動分類研究。電子商務學報，18(2)，225-247。https://doi.org/10.6188/JEB.2016.18(2).03
- Chu, C. F. (2011). 利用指令軌跡的相似度進行惡意軟體分群 [master's thesis, National Chiao Tung University]. Airiti Library. https://doi.org/10.6842/NCTU.2011.00948
- Lo, P. Y. (2022). 基於異常檢測及SCOAP特徵之半監督式硬體木馬線網分類 [master's thesis, National Taiwan University]. Airiti Library. https://doi.org/10.6342/NTU202201745
- 施東河（2004）。惡意電子郵件偵測之研究－以自我組織映射圖與k-medoids群集模式為例。資訊管理學報，11(2)，211-235。https://doi.org/10.6382/JIM.200404.0211
- 林則勳（2020）。基於集成式惡意流量偵測演算法之研究〔碩士論文，逢甲大學〕。華藝線上圖書館。https://doi.org/10.6341/fcu.M0720686