Fugu-MT 論文翻訳(概要): DNS Tunneling: Threat Landscape and Improved Detection Solutions

論文の概要: DNS Tunneling: Threat Landscape and Improved Detection Solutions

arxiv url: http://arxiv.org/abs/2507.10267v1
Date: Mon, 14 Jul 2025 13:37:48 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-15 18:48:24.967451
Title: DNS Tunneling: Threat Landscape and Improved Detection Solutions
Title（参考訳）: DNSトンネル: 脅威ランドスケープと検出ソリューションの改善
Authors: Novruz Amirov, Baran Isik, Bilal Ihsan Tuncer, Serif Bahtiyar,
Abstract要約: 機械学習アルゴリズムを用いてDNSトンネリングを検出する新しい手法を提案する。 DNSトラフィックから抽出した特徴を用いて、機械学習アルゴリズムを組み合わせてトラフィックを分析する。解析結果から,提案手法はDNSトンネリングを正確に検出するためのよい候補であることが示された。
参考スコア（独自算出の注目度）: 1.6874375111244329
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Detecting Domain Name System (DNS) tunneling is a significant challenge in security due to its capacity to hide harmful actions within DNS traffic that appears to be normal and legitimate. Traditional detection methods are based on rule-based approaches or signature matching methods that are often insufficient to accurately identify such covert communication channels. This research is about effectively detecting DNS tunneling. We propose a novel approach to detect DNS tunneling with machine learning algorithms. We combine machine learning algorithms to analyze the traffic by using features extracted from DNS traffic. Analyses results show that the proposed approach is a good candidate to detect DNS tunneling accurately.
Abstract（参考訳）: DNS(Domain Name System)トンネリングの検出は、正常で正当なDNSトラフィック内に有害なアクションを隠す能力があるため、セキュリティ上の重要な課題である。従来の検出手法はルールベースのアプローチや署名マッチング手法に基づいており、そのような秘密の通信チャネルを正確に識別するには不十分であることが多い。本研究は,DNSトンネリングを効果的に検出することを目的とする。機械学習アルゴリズムを用いてDNSトンネリングを検出する新しい手法を提案する。 DNSトラフィックから抽出した特徴を用いて、機械学習アルゴリズムを組み合わせてトラフィックを分析する。解析結果から,提案手法はDNSトンネリングを正確に検出するためのよい候補であることが示された。

関連論文リスト

Domainator: Detecting and Identifying DNS-Tunneling Malware Using Metadata Sequences [0.0]
Domainatorは、最先端のマルウェアとDNSトンネリングツールを検出し、区別するアプローチである。本手法を7種類のマルウェアサンプルとトンネルツールを用いて評価し,DNSトラフィックに基づいて特定のマルウェアを識別する。
論文参考訳（メタデータ） (2025-05-28T10:52:19Z)
Opportunistic Routing in Wireless Communications via Learnable State-Augmented Policies [7.512221808783587]
本稿では,大規模無線通信ネットワークにおけるパケットベースの情報ルーティングの課題に対処する。機会的ルーティングは、無線通信の放送特性を利用して、最適な転送ノードを動的に選択する。ネットワーク内のソースノードが処理する全情報の最大化を目的とした,状態拡張(SA)に基づく分散最適化手法を提案する。
論文参考訳（メタデータ） (2025-03-05T18:44:56Z)
MTDNS: Moving Target Defense for Resilient DNS Infrastructure [2.8721132391618256]
DNS (Domain Name System) はインターネット上でもっとも重要なコンポーネントの1つである。研究者は、DNSに対する攻撃を検出し、防御する方法を常に開発してきた。ほとんどのソリューションは、防御アプローチのためにパケットを破棄し、正当なパケットをドロップする可能性がある。我々は移動目標防衛技術を用いたMTDベースのレジリエントなMTDNSを提案する。
論文参考訳（メタデータ） (2024-10-03T06:47:16Z)
TI-DNS: A Trusted and Incentive DNS Resolution Architecture based on Blockchain [8.38094558878305]
ドメイン名システム(DNS)は、DNSキャッシュ中毒を含む悪意のある攻撃に対して脆弱である。本稿では,ブロックチェーンベースのDNS解決アーキテクチャであるTI-DNSについて述べる。 TI-DNSは、現在のDNSインフラストラクチャのリゾルバ側だけを変更する必要があるため、簡単に採用できる。
論文参考訳（メタデータ） (2023-12-07T08:03:10Z)
Detection of Malicious DNS-over-HTTPS Traffic: An Anomaly Detection Approach using Autoencoders [0.0]
暗号化されたDoHトラフィックのみを観測することで、悪意のあるDNSトラフィックを検出できるオートエンコーダを設計する。提案するオートエンコーダは,複数種類の悪質トラフィックに対して,F-1スコアの中央値が99%と高い検出性能を達成できることがわかった。
論文参考訳（メタデータ） (2023-10-17T15:03:37Z)
MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文参考訳（メタデータ） (2021-09-15T14:11:53Z)
Unsupervised Out-of-Domain Detection via Pre-trained Transformers [56.689635664358256]
ドメイン外の入力は予測不能なアウトプットを引き起こし、時には破滅的な安全性の問題を引き起こす。本研究は、教師なしのドメイン内データのみを用いて、ドメイン外サンプルを検出する問題に対処する。検出精度を高めるために、ドメイン固有の2つの微調整手法が提案されている。
論文参考訳（メタデータ） (2021-06-02T05:21:25Z)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)
Noise-Response Analysis of Deep Neural Networks Quantifies Robustness and Fingerprints Structural Malware [48.7072217216104]
ディープ・ニューラル・ネットワーク(DNN)は構造的マルウェア(すなわち、重みと活性化経路)を持つバックドアの検出は一般的に困難であり、既存の検出手法は計算に高価であり、膨大なリソースを必要とする(トレーニングデータへのアクセスなど)。そこで本研究では,DNNの堅牢性,指紋の非線形性を定量化し,バックドアの検出を可能にする,高速な特徴生成手法を提案する。実験の結果,既存の手法(秒対秒)よりも高い信頼度でバックドアを正確に検出できることが判明した。
論文参考訳（メタデータ） (2020-07-31T23:52:58Z)
Boosting Deep Neural Networks with Geometrical Prior Knowledge: A Survey [77.99182201815763]
ディープニューラルネットワーク(DNN)は多くの異なる問題設定において最先端の結果を達成する。 DNNはしばしばブラックボックスシステムとして扱われ、評価と検証が複雑になる。コンピュータビジョンタスクにおける畳み込みニューラルネットワーク(CNN)の成功に触発された、有望な分野のひとつは、対称幾何学的変換に関する知識を取り入れることである。
論文参考訳（メタデータ） (2020-06-30T14:56:05Z)
DNS Tunneling: A Deep Learning based Lexicographical Detection Approach [1.3701366534590496]
DNS Tunnelingは、マルウェアに感染したマシンとの双方向通信を確立するためにそれを利用するハッカーにとって魅力的なものだ。本稿では,アーキテクチャの複雑さを最小限に抑えた畳み込みニューラルネットワーク(CNN)に基づく検出手法を提案する。単純なアーキテクチャにもかかわらず、結果として得られたCNNモデルは、0.8%に近い偽陽性率でトンネル領域全体の92%以上を正しく検出した。
論文参考訳（メタデータ） (2020-06-11T00:10:13Z)
Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
論文参考訳（メタデータ） (2020-01-22T15:23:48Z)

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。