P2P僵尸网络的有效免疫措施

doi:10.3724/SP.J.1087.2012.02617

计算机应用 ›› 2012, Vol. 32 ›› Issue (09): 2617-2619.DOI: 10.3724/SP.J.1087.2012.02617

P2P僵尸网络的有效免疫措施

冯丽萍^1,2*,韩琦²,王鸿斌¹,康苏明³

1.忻州师范学院计算机系,山西忻州 034000;
2.重庆大学计算机学院,重庆 400030;
3.山西大同大学数学与计算机科学学院,山西大同 037009

收稿日期:2012-02-23 修回日期:2012-04-16 发布日期:2012-09-01 出版日期:2012-09-01
通讯作者: 冯丽萍
作者简介:冯丽萍(1976-),女,山西宁武人,副教授,博士研究生,主要研究方向:网络安全、复杂网络、动力系统; 韩琦(1981-),男,山西榆社人,博士,主要研究方向:网络安全、细胞神经网络; 王鸿斌(1972-),男,山西河曲人,副教授,博士,主要研究方向:人工智能、信号检测与处理; 康苏明(1975-),男,山西大同人,副教授,主要研究方向:计算机网络、信息系统。
基金资助:
国家自然科学基金资助项目(61003247);山西省自然科学基金资助项目(2009011018-4);忻州师范学院自然科学基金资助项目(201127)

Effective immune measures on P2P botnets

FENG Li-ping^1,2*,HAN Qi²,WANG Hong-bin¹,KANG Su-ming³

1.Department of Computer Science and Technology,Xinzhou Normal College,Xinzhou Shanxi 034000,China;
2.College of Computer Science,Chongqing University,Chongqing 400030,China;
3.School of Mathematics and Computer Science,Shanxi Datong University,Datong Shanxi 037009,China

Received:2012-02-23 Revised:2012-04-16 Online:2012-09-01 Published:2012-09-01
Contact: Li-ping FENG

摘要/Abstract

摘要： 为了深入分析影响对待(P2P)僵尸网络传播的因素,从动力学的角度刻画了P2P僵尸网络的形成过程。首先,根据P2P僵尸网络形成的过程建立了一个微分方程模型。该模型考虑了免疫措施对计算机恶意软件传播的影响;同时,通过分析模型平衡点的稳定性条件导出了消除P2P僵尸网络的有效免疫率;最后,通过数值模拟得出了有效免疫区域,随机仿真验证了有效免疫区域的正确性。结果表明,合理的免疫措施可以有效预防僵尸网络的爆发。

关键词: 僵尸网络, 病毒模型, 网络安全, 对等网络, 动力学

Abstract: For deeply analyzing the factors that affect the prevalence of P2P botnets, the formation of a Peer-to-Peer (P2P) botnet was portrayed from dynamic perspective. Firstly, the differential equation model was formulated according to the formation of P2P botnets, which considered the effect of immunization on computer malware propagation. Furthermore, effective immune ratio of eliminating P2P botnets was calculated by analyzing steady condition of equilibrium in the model. Finally, the effective immune region was obtained and verified by deterministic simulation and stochastic simulation, respectively. The results show that the outbreak of P2P botnets can be effectively prevented by reasonable immune measures.

Key words: botnet, virus model, network security, Peer-to-Peer (P2P) network, dynamics

中图分类号:

TP309.5

冯丽萍韩琦王鸿斌康苏明. P2P僵尸网络的有效免疫措施[J]. 计算机应用, 2012, 32(09): 2617-2619.

FENG Li-ping HAN Qi WANG Hong-bin KANG Su-ming. Effective immune measures on P2P botnets[J]. Journal of Computer Applications, 2012, 32(09): 2617-2619.

参考文献

[1]江健,葛建伟,段海新,等.僵尸网络机理与防御技术[J].软件学报,2012,23(1):82-96.
[2]GRIZZARD J B,SHARMA V,NUNNERY C,et al.Peer-to-peer botnets:overview and case study [C]// Proceedings of the 1st Conference on First Workshop on Hot Topics in Understanding.Berkeley,CA,USA:USENIX Association,2007:1-8.
[3]HOLZ T,STEINER M,DAHL F,et al.Measurements and mitigation of peer-to-peer botnets:a case study on storm worm [C]// Proceedings of the 1st Usenix Workshop on Large-Scale Exploits and Emergent Threats.Berkeley,CA,USA:USENIX Association,2008:1-9.
[4]WANG P,ASLAM B,ZOU C C.Peer-to-peer botnets:The next generation of botnet attacks [M].Berlin:Springer-Verlag,2010:335-350.
[5]WANG P,WU L,ASLAM B,et al.A systematic study on peer-to-peer botnets [C]// ICCCN'09:Proceedings of the 18th the International Conference on Computer Communication and Networks.Piscataway,NJ:IEEE Press,2009:1-8.
[6]王海龙,龚正虎,侯婕.僵尸网络检测技术研究进展[J].计算机研究与发展,2010,47(12):2037-2048.
[7]SONG L P,JIN Z,SUN G Q.Modeling and analyzing of botnet interactions [J].Physica A,2011,390(2):347-358.
[8]方滨兴,催翔,王威.僵尸网络综述[J].计算机研究与发展,2011,48(8):1315-1331.
[9]FRAUENTHAL J C.Mathematical modeling in epidemiology [M].Berlin:Springer-Verlag,1980.
[10]宋礼鹏,韩燮,刘冬明,等.机器更新对蠕虫传播影响[J].计算机应用,2011,31(5):1262-1264.
[11]冯丽萍,王鸿斌,冯素琴.改进的SIR计算机病毒传播模型[J].计算机应用,2011,31(7):1891-1893.
[12]冯朝胜,冯林,卿昱,等.P2P逻辑网络拓扑结构仿真分析[J].计算机科学,2011,38(12):121-124.
[13]张志涌,杨祖樱.Matlab教程[M].北京:航空航天大学出版社,2010.
[14]YUAN H,CHEN G Q.Network virus-epidemic model with the point-to-group information propagation [J].Applied Mathematics and Computation,2008,206(1):357-367.
[15]DEBANY W H.Modeling the spread of Internet worms via persistently unpatched hosts [J].IEEE Network,2008,22(2):26-32.

P2P僵尸网络的有效免疫措施

Effective immune measures on P2P botnets

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	王月, 江逸茗, 兰巨龙. 基于改进三元组网络和K近邻算法的入侵检测[J]. 计算机应用, 2021, 41(7): 1996-2002.
[2]	张全龙, 王怀彬. 基于膨胀卷积和门控循环单元组合的入侵检测模型[J]. 计算机应用, 2021, 41(5): 1372-1377.
[3]	唐延强, 李成海, 宋亚飞. 基于改进粒子群优化和极限学习机的网络安全态势预测[J]. 计算机应用, 2021, 41(3): 768-773.
[4]	杭梦鑫, 陈伟, 张仁杰. 基于改进的一维卷积神经网络的异常流量检测[J]. 计算机应用, 2021, 41(2): 433-440.
[5]	王江坤, 何坤金, 曹红飞, 王金强, 张燕. 基于光滑粒子流体动力学方法的交互式水流加热仿真[J]. 计算机应用, 2020, 40(5): 1409-1414.
[6]	冯丽萍, 韩琦, 周志刚, 白增亮. 社交网络影响的不良信息扩散建模及最优控制策略[J]. 计算机应用, 2020, 40(3): 735-739.
[7]	朱倩倩, 刘渊, 李甫. 深度神经网络的仿生矩阵约简与量化方法[J]. 计算机应用, 2020, 40(10): 2817-2821.
[8]	池亚平, 莫崇维, 杨垠坦, 陈纯霞. 面向软件定义网络架构的入侵检测模型设计与实现[J]. 计算机应用, 2020, 40(1): 116-122.
[9]	王佳欣, 冯毅, 由睿. 基于依赖关系图和通用漏洞评分系统的网络安全度量[J]. 计算机应用, 2019, 39(6): 1719-1727.
[10]	杜俊雄, 陈伟, 李雪妍. 基于物联网设备指纹的情境认证方法[J]. 计算机应用, 2019, 39(2): 464-469.
[11]	黄滨, 保利勇, 丁洪伟. 基于均匀化分布的Chebyshev映射系统构建及特性分析[J]. 计算机应用, 2019, 39(10): 2997-3001.
[12]	郭方方, 潮洛蒙, 朱建文. 基于相似连接的多源数据并行预处理方法[J]. 计算机应用, 2019, 39(1): 57-60.
[13]	王舰, 王志宏, 张乐君. 复杂网络演化的舆论动力学模型及仿真分析[J]. 计算机应用, 2018, 38(4): 1201-1206.
[14]	张传浩, 谷学汇, 孟彩霞. 基于软件定义网络的反嗅探攻击方法[J]. 计算机应用, 2018, 38(11): 3258-3262.
[15]	冯丽萍, 韩燮, 韩琦, 郑芳. 考虑社交网络用户行为的网络病毒传播建模[J]. 计算机应用, 2018, 38(10): 2899-2902.