Spam traffic detection from monitoring network flows

Bc. Kristián Kosorín

Master's thesis

Abstract:

Vzhľadom na rastúce problémy s masívnymi e-mailovými spamovými kampaňami sú verejné e-mailové čierne listiny neustále aktualizované o IP adresy, ktoré vykazujú znaky takéhoto konania. Preto poskytovatelia internetových služieb, ktorí nechcú, aby sa na takéto čierne listiny dostalo viacero ich verejných IP adries, musia vynakladať značné prostriedky na prevenciu. Cieľom tejto práce je preskúmať možnosti detekcie škodlivej činnosti bez zásahu do súkromia používateľov. Na dosiahnutie tohto cieľa sa táto diplomová práca zaoberá možnosťou využitia viacerých algoritmov strojového učenia na detekciu anomálií v sieťových monitorovacích tokoch.

Abstract:

Because of growing problems with massive e-mail spam campaigns, public e-mail blacklists are constantly updated with IP addresses that show signs of such actions. Therefore, ISPs who do not want to get multiple of their public IP addresses added to such blacklists have to spend considerable resources on prevention. This thesis aims to research the possibility of detecting malicious activity without intruding on users' privacy. To achieve this goal, this master's thesis looks at the possibility of using multiple machine-learning algorithms to detect anomalies in network monitoring flows.

Keywords

Binflow, botnet, detection, machine learning, NetFlow, spam

Language used: English

Date on which the thesis was submitted / produced: 13. 12. 2022

Thesis defence

• Date of defence: 26. 1. 2023
• Supervisor: Ing. Václav Oujezský, Ph.D.
• Reader: PhD Bacem Mbarek

Masaryk University

Faculty of Informatics

Master programme / field:
Computer systems, communication and security / Networks and communication