Enhancing DeCrypto: Finding Cryptocurrency Miners Based on Periodic Behavior
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F63839172%3A_____%2F23%3A10133612" target="_blank" >RIV/63839172:_____/23:10133612 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/68407700:21240/23:00369773
Výsledek na webu
<a href="https://ieeexplore.ieee.org/document/10327904" target="_blank" >https://ieeexplore.ieee.org/document/10327904</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.23919/CNSM59352.2023.10327904" target="_blank" >10.23919/CNSM59352.2023.10327904</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Enhancing DeCrypto: Finding Cryptocurrency Miners Based on Periodic Behavior
Popis výsledku v původním jazyce
While the popularity of cryptocurrencies and the whole industry's value are rising, the number of threat actors who use illegal "coin miner mal ware" is increasing as well. The threat actors commonly use computational resources of companies, research and educational institutions, or end users. In this paper, we analyzed the long-term periodic behavior of the cryptocurrency miners communicating in computer networks. We propose a novel method for cryptominers detection using specially designed periodicity features. The detection algorithm is based on the mathematical detection of periodic Flow time series (FTS) and feature mining. Altogether with the Machine Learning technique, the resulting system achieves high-precision performance. Furthermore, our approach enhances a flow-based cryptominers detection system DeCrypto to further improve its reliability and feasibility for high-speed networks.
Název v anglickém jazyce
Enhancing DeCrypto: Finding Cryptocurrency Miners Based on Periodic Behavior
Popis výsledku anglicky
While the popularity of cryptocurrencies and the whole industry's value are rising, the number of threat actors who use illegal "coin miner mal ware" is increasing as well. The threat actors commonly use computational resources of companies, research and educational institutions, or end users. In this paper, we analyzed the long-term periodic behavior of the cryptocurrency miners communicating in computer networks. We propose a novel method for cryptominers detection using specially designed periodicity features. The detection algorithm is based on the mathematical detection of periodic Flow time series (FTS) and feature mining. Altogether with the Machine Learning technique, the resulting system achieves high-precision performance. Furthermore, our approach enhances a flow-based cryptominers detection system DeCrypto to further improve its reliability and feasibility for high-speed networks.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/VJ02010024" target="_blank" >VJ02010024: Analýza šifrovaného provozu pomocí síťových toků</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
2023 19th International Conference on Network and Service Management (CNSM)
ISBN
978-3-903176-59-1
ISSN
2165-963X
e-ISSN
—
Počet stran výsledku
7
Strana od-do
—
Název nakladatele
IEEE
Místo vydání
Piscataway , USA
Místo konání akce
Niagara Falls, Kanada
Datum konání akce
30. 10. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—