Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | NICBR Brazilian Network Informat Ctr | - |
Autor(es): dc.creator | Silveira, Marcos Rogerio [UNESP] | - |
Autor(es): dc.creator | Cansian, Adriano Mauro [UNESP] | - |
Autor(es): dc.creator | Kobayashi, Hugo Koji | - |
Autor(es): dc.creator | IEEE | - |
Data de aceite: dc.date.accessioned | 2022-02-22T01:07:57Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T01:07:57Z | - |
Data de envio: dc.date.issued | 2021-06-26 | - |
Data de envio: dc.date.issued | 2021-06-26 | - |
Data de envio: dc.date.issued | 2019-12-31 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/210787 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/210787 | - |
Descrição: dc.description | The Domain Name System (DNS) has as its main function the mapping of domain names to IPs and vice versa. Because of its function combined with the exponential growth of the internet, it has become an essential component. Because of this, attackers use DNS for malicious activities, such as Phishing, Fast-Flux Domains, DGAs, in addition to the spread of malware. In this paper we present an approach for automatic detection of malicious domains using a Passive DNS dataset combined with machine learning techniques. One way to perform the detection of these malicious domains is by blocklists, which can take some time before someone reports and there is human analysis. The model presented in this work is capable of detecting malicious domains at an early stage through its Passive DNS traffic. 12 features were extracted exclusively from DNS traffic. Our model makes use of the XGBoost supervised machine learning algorithm, and obtains an average AUC of 0.976. | - |
Descrição: dc.description | Fundação para o Desenvolvimento da UNESP (FUNDUNESP) | - |
Descrição: dc.description | UNESP Univ Estadual Paulista, Sao Jose Do Rio Preto, SP, Brazil | - |
Descrição: dc.description | NICBR Brazilian Network Informat Ctr, Sao Paulo, Brazil | - |
Descrição: dc.description | UNESP Univ Estadual Paulista, Sao Jose Do Rio Preto, SP, Brazil | - |
Descrição: dc.description | FUNDUNESP: 2764/2018 | - |
Formato: dc.format | 59-61 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Ieee | - |
Relação: dc.relation | 2020 Ieee International Conference On Intelligence And Security Informatics (isi) | - |
???dc.source???: dc.source | Web of Science | - |
Título: dc.title | Detection of Malicious Domains Using Passive DNS with XGBoost | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: