L'intelligence artificielle au service de la cybersécurité

Artificial intelligence for Cyber-security

• Auteur / Autrice : Arshdeep Janjua
• Direction : Maciej Korczynski
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 31/03/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique de Grenoble
• Partenaire(s) de recherche : Equipe de recherche : DRAKKAR - Réseaux et Multimédia (ancien LSR)

Mots clés

Mots clés libres

Surveillance DNS

La sécurité sur Internet

Apprentissage automatique

Artificial intelligence

Détection de phishing

La cyber-sécurité

DNS Monitoring

Internet Security

Machine Learning

Intelligence artificielle

Phishing Detection

Cyber-security

Résumé

En mettant particulièrement l'accent sur l'identification et la classification des domaines et des URL de phishing, le projet cherche à développer de nouvelles méthodes de détection et de classification des attaques et des comportements malveillants liés au DNS. Le projet vise à améliorer la précision et l'efficacité de la détection des entités malveillantes dans les données DNS en utilisant un large éventail de techniques d'apprentissage automatique (ML), y compris des méthodes traditionnelles supervisées et non supervisées telles que la régression logistique, la forêt aléatoire, l'analyse en composantes principales (PCA) et K-Nearest Neighbours (KNN), ainsi que des méthodologies d'apprentissage en profondeur telles que les réseaux de neurones convolutifs (CNN) et les réseaux contradictoires génératifs (GAN). La base de données WHOIS, les captures d'écran, les modèles de noms de domaine, le contenu de sites Web malveillants et les données DNS passives ne sont que quelques-unes des nombreuses sources à partir desquelles les données seront compilées pour alimenter le système en informations riches. Un ensemble de données riche et dynamique pour l'analyse sera mis à disposition en utilisant le flux DNS passif de SIE Europe, qui enregistre en continu les informations de requête DNS en temps réel provenant de nombreux réseaux, y compris les principaux opérateurs de télécommunications et fournisseurs de services Internet. Les problèmes de confidentialité entourant le traitement d'informations sensibles, telles que les détails non publics du titulaire d'un nom de domaine, seront résolus grâce à l'exploration d'un système d'apprentissage automatique fédéré. Ce système fonctionnera en créant des modèles basés sur anonymisé les données locales et les modèles de comportement, garantissant ainsi la confidentialité individuelle tout en contribuant au développement d'un modèle global représentant les caractéristiques comportementales collectives.

With a particular focus on the identification and classification of phishing domains and URLs, the project seeks to develop novel methods for detecting and classifying DNS-related attacks and malicious behaviors. The project aims to improve the accuracy and efficiency of detecting malicious entities within DNS data by utilizing a wide range of Machine Learning (ML) techniques, including traditional supervised and unsupervised methods like Logistic Regression, Random Forest, Principal Component Analysis (PCA), and K-Nearest Neighbors (KNN), as well as deep learning methodologies like Convolutional Neural Networks (CNNs) and Generative Adversarial Networks (GANs). The WHOIS database, screenshots, domain name patterns, malicious website content, and passive DNS data are just a few of the many sources from which data will be compiled to feed the system with rich information. A rich and dynamic dataset for analysis will be made available by utilizing the passive DNS stream from SIE Europe, which continuously records real-time DNS query information from numerous networks, including major telecom operators and Internet service providers. Privacy concerns surrounding the handling of sensitive information, such as non-public domain name registrant details, will be addressed through the exploration of a Federated Machine Learning system. This system will operate by creating models based on anonymized local data and behavioral patterns, thereby ensuring individual privacy while still contributing to the development of a global model representing collective behavioral characteristics.