基于混合式P2P的域名系统中超节点选择策略

域名系统是Internet的基础。IPv6网络的新特性,要求基于IPv6的域名系统提供高效的域名服务。鉴于传统的域名系统模型使得DNS服务器容易成为网络的瓶颈和攻击目标,本文提出了采用混合式P2P网络思想构建高效的IPv6DNS域名系统,着重讨论了混合式P2P域名系统中超节点的选择策略,并在实验室中验证了该策略的可行性,最后分析并指出了今后的研究方向。     

基于层次分析法的域名系统安全状况评估

域名系统是互联网基础信息设施中的重要组成部分.但是,近年来利用域名系统的脆弱环节来进行攻击的事件层出不穷.因此,准确评估域名系统的运行情况和安全状况对互联网的安全保护工作至关重要.第二届关于 DNS (Domain Name System) 安全性、稳定性和弹性的讨论会报告已经指出了 DNS 健康的一些关键指标.在此基础上,MeNSa (Measuring the Naming System) 项目又对这些指标进行了补充,并且提出了得到 DNS 健康指标的评估框架,但是他们没有给出通过监控项的值计算健康指标的可行权重设置算法.因此本文提出了使用 AHP 算法 (Analytic Hierarchy Process)来设置健康指标的权重,通过实验验证发现该算法很好的试用于该应用,并且当监控项增加时算法仍有效,具有良好的扩展性.     

一种高效的DNS日志压缩算法

CN顶级域名的DNS日志从分布式站点传输到数据处理中心时,对海量数据存储和传输带宽提出极大挑战。针对该问题,提出一种高效的DNS日志压缩算法,利用DNS查询类型的冗余性和DNS查询时间、IP地址和域名等的重复性进行DNS日志压缩。实验结果证明了DNS日志压缩算法在DNS实时监控和分析系统中部署的有效性和高效性。     

DNS服务器攻击与防范技术研究

随着互联网的飞速发展,域名系统作为联系整个网络的纽带,其安全性直接决定着整个网络的安全性,因此对域名系统的攻击模式和安全防护的研究尤为重要。     

DNS隐私问题现状的研究

域名系统（DNS）作为互联网运行必不可少的基础设施,它能将易记的域名转换成互联网资源的IP地址。DNS由于天然的开放性,导致其备受安全问题困扰。而隐私问题则是近些年DNS安全上的热点问题。通过回顾DNS的查询操作,分析了DNS查询每个环节可能存在的隐私隐患,发现DNS受到的隐私攻击主要有链路上窃听和服务器上的隐私收集。结合近些年DNS隐私的相关的研究,分析了DNS上可能泄漏的隐私数据、影响范围以及可能带来的危害。整理了目前已知的解决方案,分析对比了各种方案在可靠性、匿名化程度、可部署性上的表现。最后从技术、部署难度和法律层面为后续研究提供了一些建议。     

基于GRU型循环神经网络的随机域名检测

随机域名是指由随机域名算法生成的域名,被针对计算机网络系统的恶意软件广泛使用,随机域名的检测任务是域名系统过滤攻击流量的基础性工作.传统方法对随机域名的检测效果不理想,精确率与召回率较低,导致过滤攻击流量时会出现较多的误判.本文提出和实现了一种基于GRU型循环神经网络的随机域名检测模型,该模型首先将域名转换成向量,然后借助GRU自动学习域名向量的特征,最后通过神经网络计算分类.相比于传统方法,该模型不再需要人工提取特征的过程,减少了特征提取的时间.且经过算法生成数据与真实场景数据的实验验证,该方法在随机域名检测任务中相比传统模型表现更加出色.     

Web 通信中可疑域名监控技术的研究

现有 Web 服务存在着很多的仿冒、欺骗等安全威胁,而 Web 通信基本先通过 DNS 获取 IP 地址,因此对网络中DNS 域名信息的分析有助于加强对可疑非法 Web 通信的监控.传统的域名分析技术只能进行简单的协议分析,而且耗费资源严重,不能实现安全控制.文中提出了一种针对可疑域名的监控技术,给出了设计方案和具体的编程实现方法,并搭建了校园网环境进行验证,表明该系统有很小的丢包率和及时的安全控制响应,能很好实现对网络域名信息的监控     

互联网域名系统安全管理的现状及研究进展

互联网域名系统（简称DNS）为全球互联网的正确运行提供了关键性的基础服务,今天已经成为互联网重要的基础设施。因此,对互联网核心基础设施DNS的安全管理研究对于确保全球互联网稳定、提高互联网性能具有十分重要的意义。文章详细介绍了互联网域名系统和安全管理的现状,然后探讨了目前面临的主要问题及其研究进展。     

改进型AR(1)模型在域名系统中的应用

服务器选择算法是域名系统(DNS)服务器处理迭代查询时的核心算法。在DNS中的所有查询请求中,迭代查询所占的比例大于30%,因此服务器选择算法的性能对整个DNS服务器的整体性能有着非常大的影响。简要分析了现有的服务器选择算法,指出其优点和缺点。同时,基于已有的AR(1)模型,提出了一种改进型AR(1)自回归模型,该模型利用历次服务器响应时间构成的时间序列,采用动态预测的方法来预测服务器响应时间。该模型能够有效避免由于网络拥塞状况造成的性能波动和服务器短时故障造成的性能损失,大幅提高了服务器选择算法的性能。同时,经过改进的AR(1)模型的适用范围得到扩大,可以适用于所有DNS。     

基于多元属性特征的恶意域名检测

域名系统主要提供域名解析功能,完成域名到IP的转换,而恶意域名检测主要用来发现以域名系统为屏障的非法行为,来保障域名服务器的正常运行。总结了恶意域名检测的相关工作,并采用基于机器学习的方法,提出一种基于多元属性特征的恶意域名检测方法。在域名词法特征方面,提取更加细粒度的特征,比如数字字母的转换频率、连续字母的最大长度等;在网络属性特征方面,更加关注名称服务器,比如其个数、分散度等。实验结果表明,该方法的准确率、召回率、F1值均达到了99.8%,具有较好的检测效果。