論文の概要: Assessing the Aftermath: the Effects of a Global Takedown against DDoS-for-hire Services

• arxiv url: http://arxiv.org/abs/2502.04753v1
• Date: Fri, 07 Feb 2025 08:39:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 14:54:56.248881
• Title: Assessing the Aftermath: the Effects of a Global Takedown against DDoS-for-hire Services
• Title（参考訳）: 余波を評価する:DDoS-for-hireサービスに対するグローバル・テイクダウンの効果
• Authors: Anh V. Vu, Ben Collier, Daniel R. Thomas, John Kristoff, Richard Clayton, Alice Hutchings,
• Abstract要約: 我々は,2022年12月以降,DDoSサービスに対する継続的な国際介入の効果を評価する。 これはこれまでに実施された最も広範なブートダウンである。 再浸水したブースターのドメインは古いドメインとよく似ているが、訪問者を惹きつけるのに苦労した。
• 参考スコア（独自算出の注目度）: 2.4871428464386285
• License:
• Abstract: Law enforcement and private-sector partners have in recent years conducted various interventions to disrupt the DDoS-for-hire market. Drawing on multiple quantitative datasets, including web traffic and ground-truth visits to seized websites, millions of DDoS attack records from academic, industry, and self-reported statistics, along with chats on underground forums and Telegram channels, we assess the effects of an ongoing global intervention against DDoS-for-hire services since December 2022. This is the most extensive booter takedown to date conducted, combining targeting infrastructure with digital influence tactics in a concerted effort by law enforcement across several countries with two waves of website takedowns and the use of deceptive domains. We found over half of the seized sites in the first wave returned within a median of one day, while all booters seized in the second wave returned within a median of two days. Re-emerged booter domains, despite closely resembling old ones, struggled to attract visitors (80-90% traffic reduction). While the first wave cut the global DDoS attack volume by 20-40% with a statistically significant effect specifically on UDP-based DDoS attacks (commonly attributed to booters), the impact of the second wave appeared minimal. Underground discussions indicated a cumulative impact, leading to changes in user perceptions of safety and causing some operators to leave the market. Despite the extensive intervention efforts, all DDoS datasets consistently suggest that the illicit market is fairly resilient, with an overall short-lived effect on the global DDoS attack volume lasting for at most only around six weeks.
• Abstract（参考訳）: 法執行機関や民間企業のパートナーは近年、DDoS市場を破壊するために様々な介入を行っている。 2022年12月以降、Webトラフィックや、押収されたWebサイトへの地道訪問、学術、産業、自己申告統計からの数百万のDDoS攻撃記録、地下フォーラムやTelegramチャンネルでのチャットなど、複数の定量的データセットに基づいて、現在進行中のDDoS-for-hireサービスに対するグローバルな介入の効果を評価した。 これは、これまでで最も広範囲にわたるブートダウンであり、いくつかの国における法執行機関による協調的な取り組みで、インフラとデジタルインフルエンス戦略を組み合わせて、2つのウェブサイトの削除と偽りのドメインの使用を可能にしている。 その結果,第1波の押収地点の半数以上が1日以内で復帰し,第2波の押収地点は2日以内で回復した。 再浸水したブースターのドメインは、古いドメインとよく似ているが、訪問者を惹きつけるのに苦労した(80-90%のトラフィック削減)。 第1波は、UDPベースのDDoS攻撃(一般的にはブートラーによる)に統計的に有意な影響を伴って、グローバルなDDoS攻撃量を20-40%削減したが、第2波の影響は最小限であった。 地下での議論は累積的な影響を示し、ユーザーの安全に対する認識が変化し、一部のオペレーターが市場を離れることになった。 大規模な介入の努力にもかかわらず、すべてのDDoSデータセットは、不正な市場はかなり回復力があり、グローバルなDDoS攻撃量に対する全体的な短期的な影響は、少なくとも6週間は持続していることを一貫して示唆している。

関連論文リスト

• Detecting Distributed Denial of Service Attacks Using Logistic Regression and SVM Methods [0.0]
  本論文の目的は、すべてのサービス要求からDDoS攻撃を検出し、DDoSクラスに従ってそれらを分類することである。 SVMとロジスティック回帰という2つの異なる機械学習アプローチが、DDoS攻撃を検出して分類するためのデータセットに実装されている。 Logistic RegressionとSVMはどちらも98.65%の分類精度を達成した。
  論文  参考訳（メタデータ） (2024-11-21T13:15:26Z)
• A Novel Supervised Deep Learning Solution to Detect Distributed Denial of Service (DDoS) attacks on Edge Systems using Convolutional Neural Networks (CNN) [0.41436032949434404]
  ネットワークトラフィックにおけるDDoS攻撃を検出するための,新たなディープラーニングベースのアプローチを提案する。 本研究では、畳み込みニューラルネットワーク(CNN)と一般的なディープラーニングアルゴリズムの特性を利用する。 本研究は,DDOS攻撃検出における提案アルゴリズムの有効性を実証し,ネットワークトラフィックにおける2000の未確認フローに対して,.9883の精度を達成した。
  論文  参考訳（メタデータ） (2023-09-11T17:37:35Z)
• Identifying key players in dark web marketplaces [58.720142291102135]
  この論文は、暗黒市場に関連するBitcoin取引ネットワークのキープレーヤーを特定することを目的としている。 取引量の大部分は、エリート市場参加者の小さなグループに集中していることを示す。 ダークウェブのマーケットプレースにおけるキープレーヤーの行動を理解することは、違法行為を効果的に破壊するために重要であることを示唆している。
  論文  参考訳（メタデータ） (2023-06-15T20:30:43Z)
• Backdoor Defense via Adaptively Splitting Poisoned Dataset [57.70673801469096]
  バックドアの防御は、ディープニューラルネットワーク(DNN)がバックドアを攻撃され、悪意ある変更を受けていることの脅威を軽減するために研究されている。 トレーニング時間防衛の核心は, 有毒な試料を選別し, 適切な処理を行うことである。 本フレームワークでは,適応的分割型データセットベースディフェンス(ASD)を提案する。
  論文  参考訳（メタデータ） (2023-03-23T02:16:38Z)
• Poisoning Web-Scale Training Datasets is Practical [73.34964403079775]
  モデルの性能に悪意のある事例を意図的に導入する2つの新しいデータセット中毒攻撃を導入する。 最初の攻撃、スプリットビュー中毒は、インターネットコンテンツの不変性を利用して、データセットアノテータの初期ビューが、その後のクライアントがダウンロードしたビューとは異なることを保証します。 第2の攻撃、フロントラン中毒は、クラウドソースされたコンテンツを定期的にスナップショットするWebスケールデータセットをターゲットにしている。
  論文  参考訳（メタデータ） (2023-02-20T18:30:54Z)
• NFDLM: A Lightweight Network Flow based Deep Learning Model for DDoS Attack Detection in IoT Domains [0.13999481573773068]
  本研究では,軽量かつ最適化されたニューラルネットワーク(ANN)ベースのDDoS攻撃検出フレームワークであるNFDLMを提案する。 全体として、ボットネットからの攻撃検出の精度は約99%である。
  論文  参考訳（メタデータ） (2022-07-15T14:09:08Z)
• DDoSDet: An approach to Detect DDoS attacks using Neural Networks [0.0]
  本稿では,ニューラルネットワークを用いたDDoS攻撃の検出について述べる。 提案システムと現在のフィールドモデルを比較し,評価した。
  論文  参考訳（メタデータ） (2022-01-24T08:16:16Z)
• Emergence and structure of decentralised trade networks around dark web marketplaces [55.41644538483948]
  ダークウェブマーケットプレース(DWM)周辺のU2U取引の規模を定量化し、徹底的に調査する。 DWMユーザーの半数がU2Uペアで取引しており、DWM自体よりも取引量が多いことが分かりました。 新しいU2Uペアはしばしば、両方のユーザが同じDWMで活動している間に形成され、市場が新たな直接取引関係の触媒となる可能性があることを示唆している。
  論文  参考訳（メタデータ） (2021-11-02T17:51:53Z)
• Dataset: Large-scale Urban IoT Activity Data for DDoS Attack Emulation [7.219077740523682]
  大規模なIoTデバイスネットワークは、ハイジャックされる可能性があり、ボットネットとして使用され、分散サービス拒否(DDoS)攻撃を起動する。 本稿では,4060ノードの都市IoTデプロイメントから得られたデータセットについて述べる。 また、攻撃されたノード数や攻撃期間などのパラメータに基づいて、データセットにアタックアクティビティを注入する合成DDoSアタックジェネレータも提供する。
  論文  参考訳（メタデータ） (2021-10-05T06:34:58Z)
• Strong Data Augmentation Sanitizes Poisoning and Backdoor Attacks Without an Accuracy Tradeoff [57.35978884015093]
  CutMixのような強力なデータ拡張は、パフォーマンスを損なうことなく、中毒やバックドア攻撃の脅威を著しく減少させる可能性がある。 バックドアのコンテキストでは、CutMixは攻撃を大幅に軽減し、同時にバリデーションの精度を9%向上させる。
  論文  参考訳（メタデータ） (2020-11-18T20:18:50Z)
• Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
  私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。 本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
  論文  参考訳（メタデータ） (2020-04-29T16:17:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。