基于机器学习的恶意双胞胎攻击检测
2021-09-08汪卓越王春东
汪卓越,王春东*
(天津理工大学a.天津市智能计算及软件新技术重点实验室,b.计算机视觉与系统省部共建教育部重点实验室,c.计算机科学与工程学院,天津300384)
如今,无线局域网广泛应用于许多公共场所。公共场所提供免费的热点(access point,AP)服务,用户可以使用其移动设备或便携式计算机连接到Internet[1]。但是,无线通信具有开放性,很容易受到严重的网络攻击[2]。无线局域网中最突出的问题之一就是恶意双胞胎攻击。恶意双胞胎AP通过欺骗服务集标识符(service set identifier,SSID)的方式来创建,很容易在网络中发动攻击[3]。大多数攻击者将恶意双胞胎AP放置在目标用户群附近,当用户通过恶意AP连接到Internet时,恶意AP的创建者可以嗅探用户发送的数据,使用户的财产安全受到威胁[4]。
本文以恶意双胞胎攻击检测为目标,先简要介绍恶意双胞胎攻击的相关知识以及恶意双胞胎攻击所造成的危害,然后介绍恶意双胞胎攻击检测方法,最后分别使用K近邻(K-nearest neighbor,KNN)、支持向量机(support vector machine,SVM)、逻辑回归(logistic regression,LR)、朴素贝叶斯(naive Bayes,NB)4种算法实现分类,将其结果进行对比分析。
1 恶意双胞胎相关原理
恶意双胞胎AP,也可以称为流氓AP。与通常由内部人员为方便起见而安装并直接连接到内部有线网络的传统恶意AP有所不同,恶意双胞胎通常是由外部人员出于恶意目的安装的,并通过附近现有的合法AP连接到Internet[5]。恶意双胞胎攻击模型如图1所示。通过一些现成的软件,攻击者可以将笔记本电脑转变为恶意双胞胎AP。然后,攻击者将恶意双胞胎AP的SSID设置为他打算伪造的合法AP的SSID。……
