• Schalter wissen.de
  • Schalter wissenschaft
  • Schalter scinexx
  • Schalter scienceblogs
  • Schalter damals
  • Schalter natur
Scinexx-Logo
Logo Fachmedien und Mittelstand
Scinexx-Claim
Facebook-Claim
Google+ Logo
Twitter-Logo
YouTube-Logo
Feedburner Logo
Mittwoch, 29.03.2017
Hintergrund Farbverlauf Facebook-Leiste Facebook-Leiste Facebook-Leiste
Scinexx-Logo Facebook-Leiste

Kampf gegen den Bot

Georg-August-Universität Göttingen

Bot-Netzwerke gehören zu den größten Sicherheitsproblemen im IT-Bereich – sie sind verantwortlich für Spam, Identitätsdiebstahl und sogenannte Denial-of-Service-Attacken. Wissenschaftler der Universität Göttingen haben nun in Zusammenarbeit mit der University of California in Santa Barbara ein neues System zur Erkennung solcher Schadsoftware im Internet entwickelt.
(pug) Bot-Netzwerke gehören zu den größten Sicherheitsproblemen im IT-Bereich – sie sind verantwortlich für Spam, Identitätsdiebstahl und sogenannte Denial-of-Service-Attacken. Wissenschaftler der Universität Göttingen haben nun in Zusammenarbeit mit der University of California in Santa Barbara ein neues System zur Erkennung solcher Schadsoftware im Internet entwickelt. Im Gegensatz zu bisherigen Systemen stellt der Göttinger „BotFinder“ eine geringere Belastung für das Netzwerk dar und ist in der Lage, auch verschlüsselte Daten zu analysieren. Zudem dringt es deutlich weniger in die Privatsphäre der betroffenen Nutzer ein.

Bot-Netzwerke werden von einer Software gesteuert, die einen infizierten Computer an ein großes, unter krimineller Kontrolle stehendes Netzwerk anbindet. Klassische auf einem Computer installierte Virenscanner erfordern regelmäßige Aktualisierungen durch den Nutzer und sind nur bedingt in der Lage, Bot-Infektionen überhaupt zu erkennen. Netzwerkbasierte Systeme versuchen, den Datentransfer zwischen dem infizierten Rechner und dem Kontrollserver des Bot-Netzwerkes zu finden und auszuwerten. Bislang war es erforderlich, dass dabei jedes Datenpaket genau untersucht und der gesamte Inhalt ausgewertet wurde – eine sehr aufwändige Methode, die außerdem bei verschlüsselten Übertragungen nicht funktioniert.

Statistische Analyse des Datenverkehrs statt Einzeluntersuchung von Datenpaketen


„BotFinder“ hingegen ist in der Lage, Bot-Infektionen durch eine statistische Analyse des Datenverkehrs zu erkennen. „Wir benötigen keine inhaltliche Untersuchung der einzelnen Pakete mehr, sondern ermitteln statistische Schlüsselfaktoren, die den Datenverkehr infizierter Rechner von dem normaler Computer unterscheiden“, erläutert Dr. Florian Tegeler, der das System im Rahmen seiner Doktorarbeit in der Netzwerkgruppe am Institut für Informatik der Universität Göttingen entwickelte. BotFinder nutzt Techniken des maschinellen Lernens und erzeugt Modelle des Datenverkehrs mit dem Bot-Netzwerk. „Unsere Tests haben gezeigt, dass BotFinder eine hohe Erkennungsrate bei niedriger Fehlerquote aufwies“, so Dr. Tegeler. „Darüber hinaus arbeitet es leistungsstärker als bisherige netzwerkbasierte Lösungen.“
(Georg-August-Universität Göttingen, 20.03.2013 - KSA)
 
Printer IconShare Icon