Detector de covert timing channels basat en machine learning
L'objectiu principal d'aquest Treball Final de Màster és dissenyar i implementar una eina basada en machine learning per a detectar tràfic de xarxa encobert segons el mecanisme d'alteració de l'ordre de PDU. Amb aquesta motivació, s'ha dissenyat i implementat un mètode no de...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/118047 |
| Acceso en línea: | http://hdl.handle.net/10609/118047 |
| Access Level: | acceso abierto |
| Palabra clave: | covert channel machine learning steganography countermeasures aprenentatge automàtic esteganografia contramesures canal encobert aprendizaje automático esteganografía contramedidas canal encubierto Information technology -- TFM Tecnologia de la informació -- TFM Tecnología de la información -- TFM |
| Sumario: | L'objectiu principal d'aquest Treball Final de Màster és dissenyar i implementar una eina basada en machine learning per a detectar tràfic de xarxa encobert segons el mecanisme d'alteració de l'ordre de PDU. Amb aquesta motivació, s'ha dissenyat i implementat un mètode no descrit a la literatura que permet ocultar un missatge utilitzant les PDU del protocol RTP per transmetre vídeo i àudio. La funció de distribució del tràfic resultant compleix els criteris per considerar el mètode indetectable segons alguns autors. A partir del conjunt de dades obtingut del tràfic de xarxa tant amb flux no alterat com amb un que porta un missatge ocult, s'extrauen les característiques amb una adaptació del mètode PPD per entrenar el classificador. S'utilitzen les característiques obtingudes per entrenar un classificador que es prova en diferents escenaris amb una capacitat de detecció de missatges curts d'un 95,7%. |
|---|