图形元数据数据集来自分组尸网络活动的数据集
Muhammad Aidiel Rachman Putra1, Tohari Ahmad1, Royyana Muslim Ijtihadie1
1Department of Informatics, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia.
Data in brief
|November 5, 2025
概括
检测尸网络是具有挑战性的,因为它们的分布性质. 这项研究引入了一套新的数据集,用于群体级别的尸网络检测,以图形形式分析网络流量,以识别协调的恶意活动.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 网络安全 网络安全
背景情况:
- 由于其分布式结构和同步攻击,尸网络构成重大威胁.
- 现有的检测方法经常与基于组的尸网络活动的复杂性作斗争.
研究的目的:
- 开发一套新的数据集,用于群组级别的尸网络检测.
- 为研究和开发提供一个现实的,基于图表的关于尸网络行为的视角.
主要方法:
- 从CTU-13,NCC和NCC-2尸网络数据集中提取了网络活动.
- 按主机和时间分组流量,用图形表示 (主机为顶点,通信为边缘).
- 衍生元数据特征,包括内度和外度,以捕获入境和出境活动量.
主要成果:
- 创建了一个数据集,包含数以百万计的正常和尸网络活动组实例,基于内部和外部分析.
- 该数据集为尸网络行为提供了一个独特的以群体为导向的视角.
- 通过多个数据集的内度分析确定了超过57k个尸网络活动组,通过外度分析确定了超过384k个尸网络活动组.
结论:
- 开发的数据集可以作为基于组的尸网络检测模型的有价值的基准.
- 它支持基于图形的机器学习和网络安全异常检测方面的研究.
- 局限性包括可能掩盖单个主机行为的行为,以及丢失诸如端口等详细信息.
