Dissertação
CryingJackpot: Network Flows and Performance Counters against Cryptojacking EVALUATED
A presente tese explora as características e dificuldades por detrás do desenvolvimento de uma abordagem híbrida de deteção de intrusões para a deteção de cryptojacking, nas suas formas binária e baseada em navegadores Web, e a descrição da abordagem que adotámos para a criação de um dataset/conjunto de dados para testes e avaliação do desempenho da nossa abordagem de deteção. A nossa abordagem para a deteção de cryptojacking, CryingJackpot, é implementada utilizando um método de aprendizagem automática não supervisionado, que utiliza duas fontes de dados. Esta abordagem, que não necessita de conhecimentos prévios sobre os ataques ou dados de treino, utiliza vários algoritmos de clustering/agrupamento complementados por uma técnica de ensemble. As caraterísticas são obtidas a partir de fluxo de rede e indicadores de desempenho. O processo de deteção começa pela extração de características dos dados disponíveis, seguido da sua normalização. As características extraídas são dadas como entrada para a etapa de clustering, onde são combinadas, e os computadores (hosts) com comportamento semelhante são agregados. Finalmente, os resultados do clustering são submetidos a uma técnica de ensemble. A avaliação da nossa abordagem híbrida é feita utilizando um dataset público e o dataset por nós desenvolvido. O primeiro é limitado apenas ao fluxo de rede e conta com a presença de mais ataques do que o cryptojacking. O segundo foi concebido para satisfazer as nossas necessidades de possuir dados relativos a fluxo de rede e a indicadores/contadores de desempenho, combinados com informações relativas a ataques de cryptojacking.
janeiro 22, 2021, 17:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Miguel Nuno Dias Alves Pupo Correia
Departamento de Engenharia Informática (DEI)
Professor Associado