增强型Anti-Xprobe2的研究与设计

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (32): 1-4.

增强型Anti-Xprobe2的研究与设计

马君亮，汪西莉，何聚厚，肖冰

陕西师范大学计算机科学学院，西安 710062

出版日期:2012-11-11 发布日期:2012-11-20

Research and design of enhanced Anti-Xprobe2

MA Junliang, WANG Xili, HE Juhou, XIAO Bing

School of Computer Science, Shaanxi Normal University, Xi’an 710062, China

Online:2012-11-11 Published:2012-11-20

摘要/Abstract

摘要： Anti-Xprobe2通过对数据报进行伪装，来防御Xprobe2操作系统指纹探测。针对其原有的事件分离模块采用建立静态数据集的方法来实现探测数据的分离，造成较高的误报率的问题，提出增强型Anti-Xprobe2方法，增加动态事件分离模块，根据探测数据包的时序特征对其进行处理，并使用有限状态机（FSM）对该模块进行了描述。经对比实验验证了增强型Anti-Xprobe2的有效性并减少了系统开销。

关键词: 网络安全, 网络驱动程序接口规范（NDIS）, 操作系统指纹, 有限状态机（FSM）, 增强型Anti-Xporbe2

Abstract: Anti-Xprobe2 defenses OS fingerprinting detection of Xprobe2 by camouflaging response packets. In this paper, aiming at that the separation of the detection data is achieved using a static data set in the original event separation module, which results in higher false alarm rate, the enhanced Anti-Xprobe2 is proposed. The dynamic event separation module is appended, which processes the probe packets based on the timing characteristics and is described by a Finite State Machine（FSM）. The effectiveness of the proposed method is proved with comparative experimental results.

Key words: network security, Network Device Interface Specification（NDIS）, Operating System（OS） fingerprinting, Finite State Machine（FSM）, enhanced Anti-Xprobe2

马君亮，汪西莉，何聚厚，肖冰. 增强型Anti-Xprobe2的研究与设计[J]. 计算机工程与应用, 2012, 48(32): 1-4.

MA Junliang, WANG Xili, HE Juhou, XIAO Bing. Research and design of enhanced Anti-Xprobe2[J]. Computer Engineering and Applications, 2012, 48(32): 1-4.

[1]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[2]	曹磊，李占斌，杨永胜，赵龙飞. 基于双层注意力神经网络的入侵检测方法[J]. 计算机工程与应用, 2021, 57(19): 142-149.
[3]	狄冲，李桐. 网络未知攻击检测的深度学习方法[J]. 计算机工程与应用, 2020, 56(22): 109-116.
[4]	彭春燕，杜秀娟. 水声传感器网络基于深度信息的安全路由协议[J]. 计算机工程与应用, 2020, 56(2): 76-81.
[5]	芶继军，李均华，陈晨，陈一鸣，吕奕达. 基于随机森林的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(2): 82-88.
[6]	周龙，王晨，史崯. 基于RNN的Webshell检测研究[J]. 计算机工程与应用, 2020, 56(14): 88-92.
[7]	吴德鹏，柳毅. 基于可变网络结构自组织映射的入侵检测模型[J]. 计算机工程与应用, 2020, 56(12): 81-86.
[8]	石乐义，刘佳，刘祎豪，朱红强，段鹏飞. 网络安全态势感知研究综述[J]. 计算机工程与应用, 2019, 55(24): 1-9.
[9]	张舒娟1，张娟2. 对等网络中被动型蠕虫传播动力学建模与分析[J]. 计算机工程与应用, 2019, 55(11): 60-66.
[10]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[11]	冯波1，郭帆2，谭素雯3. 基于IPv6的概率包标记路径溯源方案[J]. 计算机工程与应用, 2016, 52(6): 102-106.
[12]	武鲁强，王赜. 基于位置密钥的无线自组织网络的安全机制[J]. 计算机工程与应用, 2016, 52(16): 132-136.
[13]	陈虹1，王飞1，肖振久1，2，孙丽娜1. 一种融合多源数据的网络安全态势评估模型[J]. 计算机工程与应用, 2015, 51(17): 96-101.
[14]	黄鲁娟1，3，金光1，3，何加铭2，3，江先亮1. 防御DDoS攻击的包标记联合部署方案[J]. 计算机工程与应用, 2014, 50(5): 74-78.
[15]	陈虹1，王飞1，肖振久1，2，孙丽娜1. 基于IHS_LSSVR的网络安全态势预测方法[J]. 计算机工程与应用, 2014, 50(23): 91-94.