- 會議論文
改良式蟻群演算法應用於殭屍網路控制中心之溯源分析
An Improved Ant Colony Algorithm for tracking Botnet C&C server
摘要
近幾年來陸續發現殭屍網路(Botnet)數量由數萬台降至1000台以內，因為商業資訊的偷竊不需大數量的僵屍電腦(Zombies)，且網路服務供應商(Internet Service Provider, ISP)常不願配合提供完整攻擊路徑資訊，故殭屍網路的防衛者常常僅能蒐集到少量的路由攻擊資訊。因此，分析殭屍網的控制中心網址，須假設在少量路由器記錄，以最短時間內以成功溯源定位。由於傳統蟻群演算法(Ant Colony Optimization, ACO)收斂於區域最佳解(Local Minimum)後不易跳出，因此本研究修正蟻群演算法收斂機制分析殭屍網路的攻擊路徑，探討逆向追溯殭屍網路控制中心所需的計算資源。系統驗證以NS2網路模擬工具，使用不同拓樸大小，探討在成功建立攻擊路徑下之執行成效與所需的收斂時間，並探討蟻群演算法之控制參數對重建攻擊路徑的影響。
延伸閱讀
- 黃翊哲（2018）。運用蟻群路由演算法於叢集化無線感測網路〔碩士論文，淡江大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0002-0407201809123800
- 陳維修（2010）。改良式蟻群演算法在多機器人路徑規劃和工作分配之模擬研究〔碩士論文，國立臺灣師範大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0021-1610201315181771
- Javier, S. P. E. (2014). 蟻群傳染目標的最佳化--一種移動Ad-hoc網路服務探索演算法 [master's thesis, National Chiao Tung University]. Airiti Library. https://doi.org/10.6842/NCTU.2014.00855
- 楊曜榮（2013）。Using Ant Colony System for Adaptive Learning Object Search Platform。興國學報，(14)，181-191。https://www.airitilibrary.com/Article/Detail?DocID=18145175-201301-201302220049-201302220049-181-191
- CHEN, H. H., & HUANG, S. K. (2016). LDDoS Attack Detection by Using Ant Colony Optimization Algorithms. Journal of Information Science and Engineering, 32(4), 995-1020. https://doi.org/10.6688/JISE.2016.32.4.10