‏ ‏Using Combination of Independent Component Analysis and Decision Tree ‎algorithm for Botnet detection in IoT Devices

الملخص

  يُعدّ مفهوما بوت نت وبوت نت مفهومين شائعين في أدبيات الأمن السيبراني. بوت نت هي شبكة موزعة جغرافيًا من بوت نات مصابة (مثل أي جهاز حاسوبي، بما في ذلك أجهزة إنترنت الأشياء (IoT) مثل التلفزيون الذكي، والتي تُخترق ببوت نت)، والتي يتحكم بها بوت عن بُعد. يتم التحكم في الجهاز الرئيسي. تُستخدم هذه بوت نت عادةً لتنفيذ مجموعة واسعة من الأنشطة السيبرانية الخبيثة، بدءًا من إرسال البريد العشوائي وشن هجمات حجب الخدمة الموزعة (DDoS) ونشر البرامج الضارة (البرمجيات الخبيثة) وتوزيع المواد غير القانونية (مثل مواد إساءة معاملة الأطفال). في هذا البحث، تم التحقيق في أنظمة الكشف عن بوت نت وطرق تحسين كفاءتها لتحديدها. الطريقة المختارة لهذا العمل هي الجمع بين تحليل المكونات المستقلة وخوارزمية شجرة القرار، بالإضافة إلى طريقة شجرة القرار المفردة 15، والتي ناقشناها مع تصنيف البيانات المستخدمة، أي ميزات UNSW-NB، وتحتوي مجموعة البيانات 40 على 15 من . UNSW

ميزات NB2018 وCiCIDS، بحثنا في استخدام النهجين في 78 مجموعة بيانات تحتوي على 2018 CiCIDS من حيث الدقة والصحة ومعايير الخطأ. كانت الدقة التي تم الحصول عليها للكشف عن شبكات الروبوتات، وفقًا لنهج الجمع بين تحليل المكونات المستقلة، 99.994% من مجموعة البيانات، تساوي 15% وخوارزمية شجرة القرار على UNSW-NB. كذلك، فإن مقدار خطأ RMSE 99.177 في مجموعة بيانات CiCIDS يساوي 2018، وفي مجموعة بيانات 0.0076 يساوي قيمة صغيرة قدرها 15 تم الحصول عليها في مجموعة بيانات UNSW-NB 0.0076 وهي تساوي 2018CiCIDS. تستخدم المنهجية المقترحة نهجًا هجينًا يجمع بين خوارزميات تحليل المكونات المستقلة (ICA) وخوارزميات شجرة القرار (DT) وتقارن أدائها بنموذج شجرة القرار المستقل.