Stochastic modeling of self-evolving botnets with vulnerability discovery

تکنیک های یادگیری ماشین شده به طور جدی مورد بررسی قرار گرفته و بهبود قابل توجه عملکرد در انواع مختلف وظایف را به دست آورد. در حالی که ما از این تکنیک ها در بسیاری از مزایای استفاده می کنیم، اگر مهاجمان مخرب قادر به استفاده از آنها برای کشف آسیب پذیری نرم افزار ناشناخته باشند، می توانند تهدید امنیتی جدی برای اینترنت باشند. این مقاله یک مفهوم جدید از بوت نت های خودپرداز را معرفی می کند که در آن محاسبات منابع از میزبان های آلوده به منظور شناسایی آسیب پذیری های ناشناخته در میزبان های غیر آلوده مورد استفاده قرار می گیرند و بوت نت ها به طور مستقل تکامل می یابند. ما یک مدل اپیدمی تصادفی برای سگ های خودپرداز فراهم می کنیم و رفتارهای خود را از طریق آزمایش های عددی و شبیه سازی نشان می دهیم.