Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera aleatoria

An application of Deep Neural Networks for automatic detection of randomly generated Domain Names

Tweet

Director: Catania, Carlos Unidad académica: Universidad Nacional de Cuyo. Facultad de Ingeniería Proyecto de: SIIP UNCuyo06/B363 Duración del proyecto: 2019-2021 Integrantes del equipo: Palau, Franco David Estudiante de grado Caffaratti, Gabriel Becario/a Guerra Torres, Jorge Luis Becario/a Cortés, Lucía Investigador/a en formación Rezinovsky, Alfredo Daniel Colaborador/a Marchetta Fernandez, Martín Gonzalo Co-director/a

---

Resumen:

En el contexto de la seguridad de redes de datos, un nombre de dominio generado de manera algorítmica (DGA, de sus siglas en inglés) es utilizado por el software malicioso (malware) para generar de manera dinámica un gran número de nombres de dominios de manera pseudo aleatoria, y luego utilizar un subconjunto de estos como parte del canal de Comando y Control (C&C). Este canal podrá luego ser utilizado para indicar, a las máquinas infectadas con el malware, diferentes acciones maliciosas como ser SPAM, campañas de Clicks, Denegación de servicio, etc. El presente proyecto propone el desarrollo de algoritmos de detección de DGA mediante la utilización de algoritmos de aprendizaje de máquinas en general y las redes neuronales profundas en particular. En los últimos 10 años la utilización de redes neuronales profundas ha sido la causa detrás de los mayores avances en el reconocimiento automático de imágenes, audio, video y análisis de texto. Se espera que la aplicación de redes neuronales profundas para el aprendizaje de los patrones comunes a los DGA permita desarrollar herramientas de detección no solo con una baja tasa de falsos positivos sino también con la capacidad de operar en tiempo real. Esto último resulta fundamental para lidiar con las amenazas de seguridad de hoy.

Resumen en otro/s idioma/s:

A domain generation algorithm (DGA) is used to dynamically generate a large number of pseudo random domain names and then selecting a small subset of these domains for the Command Control (C&C) communication channel. The idea behind the dynamic nature of DGA was to avoid the inclusion of hard-coded domain names inside malware binaries, complicating the extraction of this information by reverse engineering. The C&C channel can be used for instructing the botnet to take different malicious actions such as SPAM, click campaign, DDOS, etc. The present project proposes the development of an algorithm for DGA detection based on machine learning algorithms. In particular, we propose the use of Deep Neural Networks. In the last 10 years, deep learning techniques has been the cause behind the major advances in the automatic recognition of images, audio, video and text. We expect the ability of deep neural networks for recognizing common patterns in DGA facilitates the development of a detection tool. A tool what will operate not only with a low false positive rate but also in real time. Both requirements are fundamental for dealing with today security threats.

---

Disciplinas:
Ingeniería - Informática

Descriptores:
PROTECCIÓN DE DATOS - PROCESAMIENTO DE DATOS - SOFTWARE - LENGUAJE DE PROGRAMACIÓN

Palabras clave:
Seguridad Informatica - Aprendizaje de Máquinas