10、基于GNN的实用僵尸网络流量检测系统与智能合约恶意检测

基于GNN的实用僵尸网络流量检测系统与智能合约恶意检测

1. 僵尸网络流量检测系统

1.1 可视化模块

可视化模块负责向用户展示模型分类结果。利用Django构建了一个用于异常检测的在线Web服务，方便用户检测异常流量。该模块的工作流程分为以下三个步骤：
1. 用户上传文件 ：用户需上传包含流量源IP和目的IP的文件，文件中可选择包含流量标签信息。
2. 流量统计展示 ：用户完成文件上传后，系统会统计文件中的流量信息，以表格形式向用户展示数据集的节点数、边数、异常节点数和异常边数。
3. 模型分类结果呈现 ：系统完成分类后，若用户上传的文件包含流量标签信息，系统会将模型预测结果与实际标签结果进行对比，并以表格形式向用户展示模型分类准确率、误报率、漏报率、召回率、精确率、F1值和Auroc值。同时，使用Echarts展示流量拓扑，黑色节点为正常节点，红色节点为预测的僵尸网络节点，点击红色节点可查看与僵尸网络节点相连的正常节点。

1.2 系统评估与案例研究

• 数据集 ：使用Jiawei等人收集的合成僵尸网络流量数据集，以CAIDA监测器2018年收集的所有IP跟踪数据作为背景流量。将流量图聚合后拆分为子网流量，随机选择部分背景流量作为僵尸网络节点，并嵌入僵尸网络拓扑。P2P结构和C&C结构的僵尸网络数据集各包含960个图，每个图包含3K个僵尸网络节点，按8:1:1的比例随机划分为训练集、验证集和测试集，数据已脱敏，IP地址以序列号形式表示。数据集分布