A comparison of stream mining algorithms on botnet detection

Ribeiro, Guilherme Henrique; Faria, Elaine R.; Miani, Rodrigo Sanches

doi:10.1145/3407023.3407053

Cited by 7 publications

(2 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The paper evaluates previous surveys and illustrates botnets architectures, topologies, communication protocols, attacking method and, their destinations, impediment approaches, and detection techniques. Similar neural network identification systems such as [107] work by analysing botnet traffic, using a more adaptive and flexible stream mining algorithm to classify botnets. Reference [94] also proposes a similar network analysis approach with a neural network-based P2P model to monitor botnet traffic and recognise patterns using the ResNet architecture.…”

Section: Neural Network Detection Mechanismsmentioning

confidence: 99%

A Survey on Botnets: Incentives, Evolution, Detection and Current Trends

Stege

El-Habr

et al. 2021

Future Internet

View full text Add to dashboard Cite

Botnets, groups of malware-infected hosts controlled by malicious actors, have gained prominence in an era of pervasive computing and the Internet of Things. Botnets have shown a capacity to perform substantial damage through distributed denial-of-service attacks, information theft, spam and malware propagation. In this paper, a systematic literature review on botnets is presented to the reader in order to obtain an understanding of the incentives, evolution, detection, mitigation and current trends within the field of botnet research in pervasive computing. The literature review focuses particularly on the topic of botnet detection and the proposed solutions to mitigate the threat of botnets in system security. Botnet detection and mitigation mechanisms are categorised and briefly described to allow for an easy overview of the many proposed solutions. The paper also summarises the findings to identify current challenges and trends within research to help identify improvements for further botnet mitigation research.

show abstract

Section: Neural Network Detection Mechanismsmentioning

confidence: 99%

A Survey on Botnets: Incentives, Evolution, Detection and Current Trends

Stege

El-Habr

et al. 2021

Future Internet

View full text Add to dashboard Cite

show abstract

“…Devido à evolução contínua das redes e do tráfego de redes, as características de um tráfego normal mudam constantemente (SOMMER; PAXSON, 2010) e essa natureza de inconstância do tráfego diĄculta a identiĄcação de novos ataques, exigindo uma Ćexibilidade e adaptabilidade dos algoritmos de classiĄcação (LEE; STOLFO, 2000). Com o objetivo de permitir adaptabilidade dos IDSs, trabalhos recentes consideram a tarefa de detecção de intrusão como uma classiĄcação em Ćuxo contínuos de dados (VIEGAS et al, 2019;RIBEIRO;PAIVA;MIANI, 2020;COSTA et al, 2018;CASSALES et al, 2019). Fluxos contínuos de dados (do inglês data streams) são sequências de dados geradas continuamente, em geral, em alta velocidade (KNOWLEDGE.…”

Section: Outros Trabalhos Comounclassified

Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados

Júnior¹

View full text Add to dashboard Cite

Iniciando os trabalhos a presidente da mesa, Prof.ª Dr.ª Elaine Ribeiro de Faria Paiva, apresentou a Comissão Examinadora e o candidato, agradeceu a presença do público, e concedeu ao Discente a palavra para a exposição do seu trabalho. A duração da apresentação do Discente e o tempo de arguição e resposta foram conforme as normas do Programa.A seguir a senhora presidente concedeu a palavra, pela ordem sucessivamente, aos examinadores, que passaram a arguir o candidato. Ultimada a arguição, que se desenvolveu dentro dos termos regimentais, a Banca, em sessão secreta, atribuiu o resultado final, considerando o candidato: Aprovado.Esta defesa faz parte dos requisitos necessários à obtenção do título de Mestre.

show abstract