1.一种基于深度学习的Botnet攻击C&C服务器溯源方法,其特征在于,包括以下步骤:步骤一、数据集预处理与特征提取;
步骤二、通过融合的LSTM+CNN训练模型,使用从步骤一中所提取的特征识别出命令与控制C&C会话数据部分,根据心跳HeartBeat报文与C&C服务器的跟踪关系,从其中分离出心跳数据包;
步骤三、对心跳数据包进行数据提取并作为输入数据,用于构建图卷积神经网络GCN,通过GCN网络实现对僵尸网络Botnet主机的溯源。
2.根据权利要求1所述的一种基于深度学习的Botnet攻击C&C服务器溯源方法,其特征在于,所述步骤一具体包括如下步骤:步骤1.1、以公开的僵尸网络攻击数据集为基础,对数据集进行预处理:首先在数据清理过程中,对初始数据包采用缺失值处理、异常值处理、重复值处理的三种方式进行,去除异常并纠正错误;其次在数据转换过程中,以数据离散化操作对连续数据进行处理,使连续数据值域分布从连续属性变为2个或2个以上的值域离散属性;最后进行数据聚合,得到Botnet数据集;
步骤1.2、使用1D‑CNN对预处理后的Botnet数据集进行特征提取。
3.根据权利要求2所述的一种基于深度学习的Botnet攻击C&C服务器溯源方法,其特征在于,所述步骤1.2具体为:首先,从预处理后的包含.pcap文件的数据集中逐个读取数据包,将每个数据包添加到对应的网络流中,在currentFlows存储当前还未结束的所有TCP或UDP流;在添加的过程中不断地更新每个网络流的统计特征,最终将统计特征写入csv文件;判断新加入的数据包是否属于当前所有未结束的网络流,如果不属于,则直接创建一个新的网络流,里面只含当前数据包,存入到currentFlows中;如果属于,则需判断时间是否超时、是否含有FIN标志,如果不超时且不含有FIN标志,则声明一个BasicFlow对象,根据id从currentFlows中得到与当前数据包对应的网络流,调用addPacket函数将当前数据包加入到对应网络流中;如果超时或存在FIN标志,则说明当前网络流结束,标记超时并从currentFlows中移除对应网络流;含FIN标志同样直接从currentFlows中移除对应网络流;对于结束的网络流,直接保存;
将保存的网络流放入1D‑CNN中进行特征提取;
所述网络流以如下形式进行保存:
4.根据权利要求2或3所述的一种基于深度学习的Botnet攻击C&C服务器溯源方法,其特征在于,所述1D‑CNN模型由编码模块和解码模块两个部分组成,其中,编码模块由多次一维卷积和最大池化运算组成:其中,W为卷积核的运算宽度, 表示第l层中的第i个卷积核, 表示第l层中第i个l j l(i,j)卷积核中的第j'个权重值,x (r)为神经网络中第l层中的第j个卷积区域,y 为第l层的编码输出;
解码模块的输出过程为:
xi+1=xi+F(xL‑i+1,wL‑i+1)
其中,xi+1表示输出结果,xi表示网络输入特征,L表示1D‑CNN网络中编码和解码模块总数量,F(xL‑i+1,wL‑i+1)表示本次解码所对应的编码过程中通过两个卷积层得到的输出特征。
5.根据权利要求1所述的一种基于深度学习的Botnet攻击C&C服务器溯源方法,其特征在于,所述步骤二具体为:步骤2.1:基于步骤一提取出的特征向量作为输入,用于对融合的CNN‑LSTM深度学习模型进行训练;
步骤2.2:对于任意需要预测标签的网络流数据集,将其放入训练后的CNN‑LSTM深度学习模型后进行分类,共分为三种类型:C&C、Malicious和Benign;其中,C&C表示受感染的设备与C&C服务器之间的通信;Malicious表示除C&C以外的其余恶意流量;Benign表示良性流量;
步骤2.3:以步骤2.2中进行分类的结果标签为依据,分离出C&C会话部分;根据BotMaster节点与C&C服务器之间周期性的发送Heartbeat报文的跟踪关系,基于C&C特征和时间特征从识别为C&C类别的文件中分离出心跳数据包,最终将分离出的心跳数据包单独保存,作为后续构建图卷积神经网络的训练数据集。
6.根据权利要求5所述的一种基于深度学习的Botnet攻击C&C服务器溯源方法,其特征在于,所述CNN‑LSTM深度学习模型中CNN模型的训练过程为:步骤2.11:对于所构建的CNN模型,卷积层设置卷积核,对输入数据x包含C&C特征的样本特征向量的输入数据x进行离散卷积运算,提取输入数据的空间特征,即有:其中,式中y(x)为输出,f(·)函数为激活函数,m×n大小的i,j位置的卷积核权重为ωij,其中 表示域值空间;xij为原始图片和卷积核对应区域的像素值,b为偏差;
步骤2.12:池化层进行均值采样和最大值采样同时,提取不同区域内的局部依赖性在不同的区域内保留最突出的信息,获得区域向量后被送入下一个卷积层;
步骤2.13:使用反向传播算法激励传播和权重更新反复迭代循环,直至网络对输入的响应达到预定的目标范围。
7.根据权利要求6所述的一种基于深度学习的Botnet攻击C&C服务器溯源方法,其特征在于,所述步骤2.13中反向传播算法为:对于训练集合中的任意一个样本,首先定义第l层的第j个神经元所产生的错误为实际l值与预测值之间的误差δ,即有:
其中, 表示第l层的第j个神经元的输入,C表示损失函数,则有
L
其中,a表示模型最终预测的输出, 表示第L层的第j个神经元的输出,y表示样本的预测标签,yj表示样本的真实标签;随后,基于输出层的误差,通过计算损失函数C对权重的变化率来更新权重,即有:其中,表示第l层第j个神经元计算的误差, 表示第l‑1层的第k个神经元的输出,表示第l‑1层的第k个神经元和第l层的第j个神经元连接的权重。
8.根据权利要求5所述的一种基于深度学习的Botnet攻击C&C服务器溯源方法,其特征在于,所述CNN‑LSTM深度学习模型的损失函数为:L(xi,y)=αL1(xi,y)+(1‑α)L2(xi,y)
其中,L1(xi,y)和L2(xi,y)分别表示CNN模型和LSTM模型的损失函数,xi为输入;α为超参数,表示两个模型损失函数之间的权重关系,α∈[0,1]。
9.根据权利要求1所述的一种基于深度学习的Botnet攻击C&C服务器溯源方法,其特征在于,所述步骤三具体为:步骤3.1:对步骤二中提取的心跳数据包中每一个数据包中的前k个字节进行提取并转换为灰度数值,作为图卷积网络的输入数据进行训练;若出现字节总长度不足k个的情况,则使用0x00进行补全;
步骤3.2:将步骤3.1的结果生成网络拓扑结构图,进而构建图卷积网络GCN,定义图G=(V,E),其中V和E分别表示顶点和边的集合;定义矩阵X和A分别为节点的特征矩阵和邻接矩阵,则GCN的快速卷积公式为:其中, 其中IN是单位矩阵,A为邻接矩阵,为添加自连接的邻接矩阵;是(l) (l) (0)
节点的度矩阵,W 为神经网络第l层的权重矩阵,H 是第l层的激活矩阵,且H =X,X为节点xi的特征向量矩阵;
对于GCN网络,前向传播公式为:
(0) C×M
其中, W ∈R 为输入层到隐藏层的权重矩阵,该隐藏层共用M个特征
(l) M×F
映射,W ∈R 为隐藏层到输出层的权重矩阵,f(·)函数为输出层的特征映射数;
对于GCN网络,分别使用ReLU和softmax作为激活函数,其中s为输入,ReLU将输入s和0取最大值后输出,单侧抑制输入,使神经元具有稀疏激活性;ReLU的表达式为:ReLU(s)=max(0,s)
通过上述GCN网络,根据网络拓扑结构图进行溯源以寻找主控端的域名、IP地址或端口号标识信息,最终锁定Botnet攻击的主机Master节点以完成溯源。
10.根据权利要求1所述的一种基于深度学习的Botnet攻击C&C服务器溯源方法,其特征在于,所述GCN网络的训练方法为:首先使用训练集和测试集划分函数train_test_split()对处理后的数据集进行划分;然后使用数据类型转换函数data_deal()将object型数据转为数值型,并构造图数据类型data;然后调用train()函数来对训练数据集进行训练得到模型;用test()调用测试数据集来测试所训练好的模型。