Share:


Malicious botnet survivability mechanism evolution forecasting by means of a genetic algorithm

Abstract

Botnets are considered to be among the most dangerous modern malware types and the biggest current threats to global IT infrastructure. Botnets are rapidly evolving, and therefore forecasting their survivability strategies is important for the development of countermeasure techniques. The article propose the botnet-oriented genetic algorithm based model framework, which aimed at forecasting botnet survivability mechanisms. The model may be used as a framework for forecasting the evolution of other characteristics. The efficiency of different survivability mechanisms is evaluated by applying the proposed fitness function. The model application area also covers scientific botnet research and modelling tasks.


Article in English.


Kenkėjiškų botnet tinklų išgyvenamumo mechanizmų evoliucijos prognozavimas genetinio algoritmo priemonėmis


Santrauka. Botnet tinklai pripažįstami kaip vieni pavojingiausių šiuolaikinių kenksmingų programų ir vertinami kaip viena iš didžiausių grėsmių tarptautinei IT infrastruktūrai. Botnettinklai greitai evoliucionuoja, todėl jų savisaugos mechanizmų evoliucijos prognozavimas yra svarbus planuojant ir kuriant kontrpriemones. Šiame straipsnyje pateikiamas genetiniu algoritmu pagrįstas modelis, skirtas Botnet tinklų savisaugos mechanizmų evoliucijai prognozuoti, kuris taip pat gali būti naudojamas kaip pagrindas kitų Botnet tinklų savybių evoliucijai modeliuoti. Skirtingi savisaugos mechanizmai vertinami taikant siūlomą tinkamumo funkciją.


Raktiniai žodžiai: Botnet; genetinis algoritmas; prognozė; savisauga; evoliucija; modelis

Keyword : botnet, genetic, algorithm, forecasting, survivability, evolution, model

How to Cite
Goranin, N., Čenys, A., & Juknius, J. (2012). Malicious botnet survivability mechanism evolution forecasting by means of a genetic algorithm. Mokslas – Lietuvos Ateitis / Science – Future of Lithuania, 4(1), 13-19. https://doi.org/10.3846/mla.2012.04
Published in Issue
Apr 23, 2012
Abstract Views
476
PDF Downloads
296
Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.