Solução para detecção de tunelamento DNS em ambiente de nuvem computacional

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSousa Júnior, Rafael Timóteo de-
Autor(es): dc.contributorAlbuquerque, Robson de Oliveira-
Autor(es): dc.contributorlorenabez@gmail.com-
Autor(es): dc.creatorBorges, Lorena de Souza Bezerra-
Data de aceite: dc.date.accessioned2024-07-22T11:48:28Z-
Data de disponibilização: dc.date.available2024-07-22T11:48:28Z-
Data de envio: dc.date.issued2023-06-26-
Data de envio: dc.date.issued2023-06-26-
Data de envio: dc.date.issued2023-06-26-
Data de envio: dc.date.issued2022-12-12-
Fonte completa do material: dc.identifierhttp://repositorio2.unb.br/jspui/handle/10482/45988-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/789232-
Descrição: dc.descriptionDissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2022.-
Descrição: dc.descriptionO tunelamento DNS usa recursos do protocolo DNS para estabelecer canais de comando e controle (C2), podendo ser utilizado como uma ferramenta maliciosa para exfiltração de dados. Atualmente, as ameaças cibernéticas usando túneis DNS afetam sistemas multiplataforma, explorando recursos computacionais locais e em nuvem. Muitos estudos de detecção de tunelamento DNS combinam técnicas de extração de parâmetros e algoritmos de machine learning (ML), alcançando elevados níveis de acurácia. Entretanto, treinar modelos de ML em larga escala e em tempo real, continua sendo um desafio operacional e de alto custo computacional para muitas instituições. Este estudo propõe uma metodologia para detecção de tunelamento DNS, através de coletas de recursos híbridos, utilizando algoritmos não-supervisionados para identificação de anomalias. A validação utiliza tráfego e consultas DNS coletados à partir da plataforma em nuvem AWS para construção de um dataset. Foram feitas análises para situações práticas de C2, exfiltração e infiltração de dados, testes de verificação de túneis, além de transferências de dados leves e reduzido número de requisições DNS. Os resultados para as detecções de anomalias foram efetivos para ferramentas de tunelamento DNS como Iodine, Dnscat2, DNSExfiltrator, DNSStager e o utilitário Flightsim. O modelo proposto tem uma abordagem operacional e modular, com a possibilidade de adaptação para diversas plataformas de computação em nuvem, integrando registros de recursos locais (on-premise), para assim, compor sistemas de controles de segurança nas organizações.-
Descrição: dc.descriptionDNS tunneling uses DNS protocol features to establish command and control channels, thus being possibly exploited as a malicious tool for data exfiltration. Nowadays, security threats using DNS tunneling affect cross-platform systems within local and cloud computing resources. Many DNS tunnel detection studies combine feature extraction techniques and machine learning (ML) algorithms to achieve high levels of accuracy. However, training ML models on a large scale and in real-time remains an operational challenge and high computational cost for many institutions. This work proposes a methodology for DNS tunneling detection through hybrid resource collections using unsupervised anomaly detection algorithms. The validation uses collected DNS traffic from the AWS cloud computing platform to construct a dataset. The study shows the practical approach for C2, data exfiltration, infiltration, and heartbeat tunnel test situations, as high levels of anomaly detection are obtained even for those lightweight data during the transfer process, with a reduced number of DNS queries. The anomalies were effective for DNS tunneling tools like Iodine, Dnscat2, DNSExfiltrator, DNSStager, and Flightsim utility. The proposed model has an operational and modular approach and can be adapted to different cloud computing platforms, integrating on-premise logs resources, therefore, composing security control systems in organizations.-
Descrição: dc.descriptionFaculdade de Tecnologia (FT)-
Descrição: dc.descriptionDepartamento de Engenharia Elétrica (FT ENE)-
Descrição: dc.descriptionPrograma de Pós-Graduação em Engenharia Elétrica, Mestrado Profissional-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsAcesso Aberto-
Palavras-chave: dc.subjectTunelamento-
Palavras-chave: dc.subjectCanais de comando-
Palavras-chave: dc.subjectCanais de controle-
Palavras-chave: dc.subjectAprendizagem de máquina-
Palavras-chave: dc.subjectProtocolo Domain Name System (DNS)-
Título: dc.titleSolução para detecção de tunelamento DNS em ambiente de nuvem computacional-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.