工作来源
ESORICS 2021
工作背景
基于 DNS 数据来检测不同种类的恶意域名是个常见的做法，但只有不到 20% 的恶意域名被发现并被添加到黑名单中。
此前的研究集中在对信标的检测，失陷主机到特定域名的 DNS 查询会表现出周期性。但这种方法存在局限，大型企业的主机与域名的 DNS 查询关系非常多，为了应对庞大的数据规模就必须过滤部分数据或者降低检测频率。如果攻击者同时使用多个域名，就无法在单个请求关系中被捕获。典型的示例为 MSC（multistage channels），失陷主机会与多个域名进行通信，常见的 TrickBot 与 Emotet 都是如此。传统的基于单个请求关系的检测方法，数据集很大且需要进行大量过滤。而直接对域名进行分类，可以大量减少检测数量且能够应对各种对抗措施。
工作设计
主要分为两个阶段：数据处理与分类。数据处理阶段主要将 DNS 查询的时间序列转换为 PSD 向量，表征各种频率下周期性通信强度。另外，首先需要过滤掉良性的域名再按照时间聚合。对聚合的 DNS 查询使用离散傅里叶变换（DFT）生成 PSD 向量。最终在分类阶段，利用神经网络根据域名请求进行分类。
数据处理
过滤
首先必须删除非常不可能是恶意域名的请求，以此提高准确性并提高处理性能。为了兼顾全局和部分，目前的设定是 Alexa 前一百万域名中排名低于五十万或分析时被至少 3% 的主机访问过，就可以被当作是可信的域名。
DNS 请求聚合
聚合计算时间范围内进行 DNS 请求的数量，聚合数据会生成一个恒定大小的结果。时间范围越小，粒度更细；时间范围越大，效率越高。时间窗口设定为一小时，尽可能消除包括网络延迟、掉线抖动以外的噪音。
PSD 计算
功率谱密度（PSD）为给定输入的离散傅里叶变换（DFT）系数的平方幅值，常用于估计时间序列信号的频谱密度，业界也常用其检测周期性任务。PSD 向量可以被认为是特定时间频率下事件发生的强度。
首先要对 DNS 请求聚合进行离散傅里叶变换：
最终的 PSD 向量为：
归一化
由于 PSD 向量大小不同，需要进行归一化将每个频率的幅度映射为 0 到 1 之间的值。归一化后的 PSD 向量，仍能够保持每个频率的尺度一致。
分类
使用前馈神经网络，利用归一化后的 PSD 向量进行分类。神经网络由三个隐藏层（分别有 25、55 和 25 个神经元）、ReLU 激活函数与一个具有 sigmoid 激活函数的输出层组成。并且，Adam 优化器用于最小化二元交叉熵损失。
分类结果以数字从 0 到 1 之间表示，数值与大表明 DNS 查询由 Bot 发出的可能性越大。
工作准备
Akamai 从全球八个公司网络（超过 16000 台设备）收集一周的真实 DNS 数据，其中请求了 1262527 个域名，而设备与域名的请求对有 1893221 对。默认假定这些设备都是未失陷的，所以另外准备了恶意软件通信（如 CobaltStrike、Empire 等）注入数据集。恶意流量需要对（1）连续查询的时间间隔 （2）每次发送的 DNS 查询数量 （3）查询的域名进行控制。
将 16000 台设备，拆分成 10000 台设备的训练集和 6000 台设备的测试集。
工作评估
封闭测试集测试
MORTON 与 Baywatch、WARP 进行对比，信标检测场景下 WARP 最准确（97%），其次是 MORTON（85%）。MSC 检测场景下 MORTON 最准确（85%），其次是 Baywatch-100（72%）。
尽管 MORTON 与这两者都能给以 85% 以上的准确率检出恶意软件信标。但对于 MSC 的情况，MORTON 仍然可以保持高检出率。
定义丢弃率为恶意 DNS 请求从数据集中被丢弃的速率，从 0% 逐渐增加到 90%。从鲁棒性上来看，信标检测场景下 MORTON 与 Baywatch 都很好，而 WARP 表现较差。在 MSC 检测场景下，MORTON 表现最好，而 Baywatch 与 WARP 表现都很差。
而且从性能上说，MORTON 比 Baywatch 和 WARP 快两到三个数量级。整个测试集，MORTON 需要 70 秒、Baywatch-10 需要 16 分钟、Baywatch-100 需要近三个小时、WARP 需要近 24 小时。
结果总结如下所示：
开放真实场景测试
实际部署三者到两个大型企业一周时间，超过两万台设备。检测结果利用 VirusTotal 进行辅助验证，分为 （1）VirusTotal 认为是 Bot 且确实是 （2）VirusTotal 不认为是 Bot 但确实是 （3）完全不是 Bot。
MORTON 在一周内检出 77 台设备，62% 确实是 Bot。MORTON 的这个检出率，相比其他二者高三倍。而且，Baywatch-100 检出了 365 个连接对，只有 19% 确实是 Bot。在实际场景中，这样会使分析人员陷入告警疲劳。WARP 的误报率为 0%，但检出率只有 MORTON 的一半。
案例分析
Gandalf：gammawizard.com 是一个提供在线交易分析的网站，而 Baywatch-100 将其检出。合法行为是每两分钟进行一次查询，但这并不是典型的信标行为。
uBlock：uBlock 是 Chrome 浏览器的恶意插件，每十五分钟请求域名的解析情况并向其发送心跳。
IsErik：IsErik 是模块化的广告软件，通过 MSC 与服务器进行通信。
三者的 DNS 查询时间序列图如下所示：
工作思考
这是一篇之前就说要写但一直耽搁着的文章，这个工作早在 Botconf 2022 时就已经讲过，感兴趣可以查看之前写过的文章。
根据通信模式检测利用合法服务进行 C&C 的失陷主机
Avenger，公众号：威胁棱镜Botconf 2022 议题速递
Akamai 展示了从时域到频域的分析方法，也是很有潜力的研究方向。清华早在 CCS 2021 上也发表了一篇利用频域分析检测恶意流量的工作《Realtime Robust Malicious Traffic Detection via Frequency Domain Analysis》，感兴趣可以查看。其他的就不过多赘述了，在大量域名数据上肯下功夫确实是可以折腾出许多玩法的。
声明：本文来自威胁棱镜，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
