مدل‌سازی انتشار بدافزار با در نظر گرفتن رویکرد تنوع نرم‌افزاری در شبکه بی‌مقیاس وزن‌دار

نوع مقاله: مقاله پژوهشی

نویسندگان

1 شهید باهنر کرمان

2 دانشیار، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران

چکیده

امروزه انتشار بدافزارها، یک تهدید امنیتی بزرگ در فضای سایبری محسوب می‌شود. مدل‌سازی انتشار بدافزارها منجر می‌شود تا محققان بتوانند رفتار انتشاری آن‌ها را شناسایی و پیش‌بینی نموده و سازوکار‌های دفاعی مناسبی را برای دفاع در برابر آن‌ها به‌کار گیرند. در این راستا تنوع نرم‌افزاری به عنوان یک سازوکار دفاع سایبری مورد توجه قرار گرفته است. در این مقاله، یک مدل همه‌گیری از انتشار بدافزار در شبکه‌های بی‌مقیاس وزن‌دار با در نظر گرفتن رویکرد تنوع نرم‌افزاری پیشنهاد شده است. تنوع نرم افزاری به عنوان یک سازوکار دفاعی باعث کاهش انتشار آلودگی بدافزار در شبکه می‌شود. نتایج شبیه‌سازی عددی، تاثیر متغیرهای مختلف بر فرآیند انتشار بدافزار را نشان می‌دهد. همچنین ما نشان دادیم با تخصیص بسته‌های نرم‌افزاری متنوع به گره‌های شبکه، نسبت باز تولید کاهش می‌یابد که باعث کاهش سرعت انتشار همه‌گیری در شبکه می‌شود. بعلاوه تاثیر نمای وزن، در سرعت انتشار بدافزار مورد مطالعه قرار گرفته است.

کلیدواژه‌ها


   [1]      A. Avizienis, J. C. Laprie, B. Randell, and C. Landwehr, “Basic Concepts and Taxonomy of Dependable and Secure Computing,” IEEE Transactions on Dependable and Secure Computing, vol. 1, no. 1, pp. 11-33, 2004.
   [2]      J. Li, J. Lou, and M. Lou, “Some Discrete SI and SIS Epidemic Models, “Applied Mathematics and Mechanics, vol. 29, pp. 113–119, 2008.
   [3]      F. Zhang, J. Li, and J. Li, “Epidemic characteristics of two classic SIS models with disease-induced death,” Journal of Theoretical Biology, vol. 424, pp. 73-83, 2017.
   [4]      Y. Yang, S. Zhu, and G. Cao, “Improving sensor network immunity under worm attacks: A software diversity approach,” Ad Hoc Networks, vol. 47, pp.   26-40, 2016.
   [5]      A. Gherbi, R. Charpentier, and M. Couture, “Software Diversity for Future Systems Security,” Journal of Defense Software Engineering, vol. 25, no. 5, pp.      10-13, 2011.
   [6]      S. Boccaletti, V. Latora, Y. Moreno, M. Chavez, and D.-U. Hwang, “Complex Networks: Structure and Dynamics,” Physics Reports, vol. 424, no. 4, pp.     175-308, 2006.
   [7]      L. Zhang, M. Small, and K. Judd, “Exactly scale-free scale-free networks,” Physica A: Statistical Mechanics and its Applications, vol. 433, pp. 182-197, 2015.
   [8]      R. Pastor-Satorras and A. Vespignani, “Evolution and Structures of the Internet: A Statistical Physics Approach,” Cambridge University Press, Cambridge, 2004.
   [9]      R. Pastor-Satorras and A. Vespignani, “Epidemics and Immunization in Scale-Free Networks,” Handbook of Graphs and Networks: From the Genome to the Internet, pp. 111-130, 2005.
[10]      M. R. Hasani Ahangar and R. Jalaei, “A Analytical Survey on Botnet and Detection Methods,” Journal of Electronical & Cyber Defence, vol. 4, no. 4, pp. 25-46, 2017. (In Persian)
[11]      S. Parsa and A. Gooran Oorimi, “An Optimal and Transparent Framework for Automatic Analysis of Malware,” Advanced Defence Science and Technology, vol. 6, pp. 71-80, 2016. (In Persian)
[12]      A. Gherbi and R. Charpentier, “Diversity-based Approaches to Software Systems Security,” Communications in Computer and Information Science, vol. 259, pp. 228–237, 2011.
[13]      D. V. Gruzenkin, A. S. Chernigovskiy, and R. Y. Tsarev, “N-version Software Module Requirements to Grant the Software Execution Fault-Tolerance,” in Proceedings of the Computational Methods in Systems and Software, pp. 293-303, 2017.
[14]      T. Jackson, B. Salamat, G. Wagner, C. Wimmer, and M. Franz, “On the Effectiveness of Multi-Variant Program Execution for Vulnerability Detection and Prevention,” In Proc. of the 6th International Workshop on Security Measurements and Metrics, pp. 1-7, 2010.
[15]      D. Wanduku, “Complete global analysis of a two-scale network SIRS epidemic dynamic model with distributed delay and random perturbations,” Applied Mathematics and Computation, vol. 294, pp. 49-76, 2017.
[16]      F. Zhang, J. Li, and J. Li, “Epidemic characteristics of two classic SIS models with disease-induced death,” Journal of Theoretical Biology, vol. 424, pp. 73-83, 2017.
[17]      J. Ren and Y. Xu, “A compartmental model for computer virus propagation with kill signals,” Physica A: Statistical Mechanics and its Applications, 2017.
[18]      J. Jiang, S. Wen, S. Yu, Y. Xiang, W. Zhou, and H. Hassan, “The structure of communities in scale‐free networks,” Concurrency and Computation: Practice and Experience, vol. 29, 2017.
[19]      S. Koochaki and M. A. Azgomi, “A Method for Fluid Modeling of the Propagation Behavior of Malware in Scale-Free Networks,” Journal of Electronical & Cyber Defence, vol. 4, no. 4, pp. 1-10, 2017. (In Persian)
[20]      M. Sun, H. Zhang, H. Kang, G. Zhu, and X. Fu, “Epidemic spreading on adaptively weighted scale-free networks,” Journal of mathematical biology, vol. 74, pp. 1263-1298, 2017.
[21]      X. Chu, Z. Zhang, J. Guan, and S. Zhou, “Epidemic spreading with nonlinear infectivity in weighted    scale-free networks,” Physica A: Statistical Mechanics and its Applications, vol. 390, pp. 471-481, 2011.
 
 
 
 
 
 
 
 
 
 
 
 
 
[22]      M. Junfen, H. Sun, J. Pan, and J. Zhou, “Weighted Scale-Free Network with Widely Weighted Dynamics,” In: Proceedings of the 30th Chinese Control Conference, pp. 904-909, 2011.
[23]      Q. Wu and F. Zhang, “Dynamical behavior of susceptible–infected–recovered–susceptible epidemic model on weighted networks,” Physica A: Statistical Mechanics and its Applications, vol. 491, pp. 382-390, 2018.
[24]      A J. O'Donnell and H. Sethu, “On Achieving Software Diversity for Improved Network Security Using Distributed Coloring Algorithms,” In: Proceedings of the 11th ACM Conference on Computer and Communications Security, pp. 1-11, 2004.
[25]      P. Macdonald, E. Almaas, and A. L. Barabási, “Minimum Spanning Trees of Weighted Scale-Free Networks,” EPL (Europhysics Letters), vol. 72, no. 2, pp. 1-5, 2005.
[26]      P. Driessche, “Reproduction numbers of infectious disease models,” Infectious Disease Modeling, vol. 2, pp. 288-303, 2017.
[27]      Y. Wang and J. Cao, “Global Dynamics of a Network Epidemic Model for Waterborne Diseases Spread,” Applied Mathematics and Computation, vol. 237, pp. 474-488, 2014.
[28]      M. Roberts and J. Heesterbeek, “Characterizing the next-generation matrix and basic reproduction number in ecological epidemiology,” Journal of mathematical biology, vol. 66, pp. 1045-1064, 2013.
[29]      R. M. Ferreira, R. M. de Almeida, and L. G. Brunnet, “Analytic solutions for links and triangles distributions in finite Barabási–Albert networks,” Physica A: Statistical Mechanics and its Applications, vol. 466, pp. 105-110, 2017.