Attackers often identify DNS traffic to disrupt or compromise Internet services. While prior work has focused on encrypting queries using DNS over TLS, HTTPS, or QUIC to counter such attacks, we consider IETF protocols designed for resource-constrained IoT devices and empirically analyze the potential of obfuscating DNS traffic in addition to encryption. We create a dataset of machine-to-machine-compatible data objects along with the corresponding DNS resolution processes, evaluating 296 deployment scenarios of resolving host names, including DNS over the Constrained Application Layer Protocol (CoAP) and an onion routing flavor of CoAP under varying link-layer conditions. We compare them to DNS over HTTPS. Using Random Forest and a header field analysis, we identify fields that leak most information. Our findings show that DNS over CoAP with equalized packet lengths, block-wise transfer, and header compression reduces the accuracy of identifying DNS frames to 86% and further to 77% with payload compression. Our approach outperforms DNS over HTTPS, where classifiers always identify DNS frames based on IP addresses. The dataset is publicly available.


翻译:攻击者常通过识别DNS流量来干扰或攻陷互联网服务。虽然以往研究聚焦于通过TLS、HTTPS或QUIC上的DNS加密查询来对抗此类攻击,但我们针对为资源受限物联网设备设计的IETF协议展开研究,并通过实证分析探讨在加密基础上增加DNS流量混淆的潜力。我们创建了包含机器对机器兼容数据对象及其对应DNS解析过程的数据集,评估了296种主机名解析场景,包括受限应用层协议(CoAP)上的DNS以及一种带有洋葱路由特性的CoAP变体在不同链路层条件下的表现。我们将其与HTTPS上的DNS进行了对比。通过随机森林算法及头部字段分析,我们识别出信息泄露最多的字段。研究结果表明:采用等长数据包、分块传输及头部压缩的CoAP上的DNS可将DNS帧识别准确率降至86%,而引入载荷压缩后更降至77%。该方法优于HTTPS上的DNS——后者在分类器通过IP地址识别DNS帧时表现更差。该数据集已公开。

0
下载
关闭预览

相关内容

域名系统(英文: Domain  Name  System, DNS)是因特网的一项核心服务,它作为可以将域名和IP地址相互映射的一个分布式数据库,能够使人更方便的访问互联网,而不用去记住能够被机器直接读取的IP数串。
《人工智能和机器学习对网络安全的影响》最新273页
专知会员服务
42+阅读 · 2024年11月29日
《通过网络隐蔽渠道开发物联网》74页论文
专知会员服务
31+阅读 · 2023年10月28日
UCL最新「机器学习隐私」综述论文,概述隐私挑战
专知会员服务
37+阅读 · 2021年7月11日
分享8个强大的黑客技术学习网站
黑客技术与网络安全
89+阅读 · 2019年8月29日
客户端私钥如何保存?
黑客技术与网络安全
13+阅读 · 2019年8月24日
联邦学习或将助力IoT走出“数据孤岛”?
中国计算机学会
20+阅读 · 2019年3月16日
被动DNS,一个被忽视的安全利器
运维帮
11+阅读 · 2019年3月8日
去哪儿网开源DNS管理系统OpenDnsdb
运维帮
22+阅读 · 2019年1月22日
NetworkMiner - 网络取证分析工具
黑白之道
16+阅读 · 2018年6月29日
如何访问"暗网"(慎入)
黑白之道
145+阅读 · 2018年6月14日
深度学习应用于网络空间安全所面临的十大问题与机遇
计算机研究与发展
22+阅读 · 2018年6月7日
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
19+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
0+阅读 · 5月6日
VIP会员
最新内容
非对称防御中的自组织临界性:俄乌战争
专知会员服务
7+阅读 · 8月10日
《战争中的大语言模型监管》
专知会员服务
7+阅读 · 8月10日
《边缘计算关键技术分析及美军作战实践应用》
边缘计算的军事应用
专知会员服务
11+阅读 · 8月9日
一种考虑资源机动性的武器目标分配混合算法
专知会员服务
12+阅读 · 8月8日
相关VIP内容
《人工智能和机器学习对网络安全的影响》最新273页
专知会员服务
42+阅读 · 2024年11月29日
《通过网络隐蔽渠道开发物联网》74页论文
专知会员服务
31+阅读 · 2023年10月28日
UCL最新「机器学习隐私」综述论文,概述隐私挑战
专知会员服务
37+阅读 · 2021年7月11日
相关资讯
分享8个强大的黑客技术学习网站
黑客技术与网络安全
89+阅读 · 2019年8月29日
客户端私钥如何保存?
黑客技术与网络安全
13+阅读 · 2019年8月24日
联邦学习或将助力IoT走出“数据孤岛”?
中国计算机学会
20+阅读 · 2019年3月16日
被动DNS,一个被忽视的安全利器
运维帮
11+阅读 · 2019年3月8日
去哪儿网开源DNS管理系统OpenDnsdb
运维帮
22+阅读 · 2019年1月22日
NetworkMiner - 网络取证分析工具
黑白之道
16+阅读 · 2018年6月29日
如何访问"暗网"(慎入)
黑白之道
145+阅读 · 2018年6月14日
深度学习应用于网络空间安全所面临的十大问题与机遇
计算机研究与发展
22+阅读 · 2018年6月7日
相关基金
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
19+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员