4、利用机器学习技术检测和分析僵尸网络攻击

利用机器学习技术检测和分析僵尸网络攻击

1. 引言

如今，互联网接入已成为每个人的基本需求，云计算时代也已到来。云计算代表着一个由公共、私有和混合共享的计算资源池，涵盖存储、服务、服务器、网络和应用程序等。它能让用户在任何地方便捷地按需访问网络，且这些服务能快速交付，管理工作极少。然而，连接到互联网的设备面临着各种恶意软件攻击的威胁，随着云计算的广泛应用，网络攻击也日益增多。

僵尸网络是网络安全的重大威胁之一。“僵尸网络”由“Bot（机器人）”和“Network（网络）”组合而成，指的是一群被黑客入侵、感染的联网设备，由被称为“僵尸网络控制者”的人通过命令与控制服务器远程操控。僵尸网络实现了命令与控制服务器和僵尸程序之间的一对多交互，被控制者用于广告宣传和网络攻击等。一旦设备感染恶意代码，就会在用户不知情的情况下加入僵尸网络并为控制者工作，且会不断感染更多设备来传播。

目前，大多数互联网用户都是僵尸网络攻击的受害者，控制者可以利用僵尸网络实施DDoS攻击、点击欺诈、网络钓鱼、键盘记录、比特币欺诈、垃圾邮件、流量嗅探、传播新病毒和滥用谷歌广告联盟等网络犯罪。僵尸网络已成为所有在线网络犯罪的基础，常见的感染方式包括驱动下载、电子邮件和盗版软件。虽然已有许多检测方法，但大多集中在离线检测，实时检测仍需关注。当前主要的检测方法分为入侵检测系统（IDSs）和基于蜜网的检测技术。研究人员专注于网络安全和机器学习（ML）来识别僵尸网络攻击并保护云服务器，ML算法在日常生活中的应用越来越广泛。本文将对不同ML算法在物联网（IoT）僵尸网络攻击检测中的性能进行比较。

2. 文献综述

近期研究表明，ML和深度学习在检测僵尸网络攻击方面很有效，部分研究还在寻