Aprendizado de máquina na detecção de tráfego de Botnet

Abstract

Este trabalho apresenta o desenvolvimento de modelos de aprendizado de máquina para a detecção do tráfego de botnets, bem como a detecção de ataques do tipo port scanning de origem de botnets. A validação do modelo é explorada em um cenário para captura de tráfego de ataques oriundos de botnets utilizando a ferramenta tcpdump e posteriormente convertidos para tipo Netflow utilizando o software ARGUS. A aplicação utiliza o dataset CTU-13, sendo um conjunto de dados realístico. O pré-processamento dados aborda diversas combinações de atributos e datasets para comparação de resultados e comprovar a eficácia de cada um dos algoritmos de aprendizado de máquinas explorado dentre as diversas métricas apresentadas.

This work presents the development of machine learning models for the detection of botnet traffic, as well as the detection of botnet port scanning attacks. The model validation is explored in a scenario to capture traffic from attacks coming from botnets using the tcpdump tool and later converted to Netflow type using the ARGUS software. The application uses the CTU-13 dataset, being a realistic data set. The data preprocessing addresses several combinations of attributes and datasets for comparing results and proving the effectiveness of each of the machine learning algorithms explored among the various metrics presented.