基于Xen的异常行为在线检测平台研究与设计

doi:10.3969/j.issn.1671-1122.2016.09.028

信息网络安全 ›› 2016, Vol. 16 ›› Issue (9): 139-144.doi: 10.3969/j.issn.1671-1122.2016.09.028

基于Xen的异常行为在线检测平台研究与设计

牛鹏飞¹, 张健¹(), 常青², 顾兆军³

1. 天津理工大学计算机与通信工程学院,天津 300384
2. 天津市公安局人口管理总队,天津 300161
3. 中国民航大学信息安全测评中心,天津 300300

收稿日期:2016-07-25 出版日期:2016-09-20 发布日期:2020-05-13
作者简介:
作者简介：牛鹏飞（1992—）,男,山西,硕士研究生,主要研究方向为信息安全;张健（1968—）,男,天津,教授级高级工程师,博士,主要研究方向为网络空间安全、恶意代码防治;常青（1970—）,男,河北,工程师,本科,主要研究方向为计算机系统应用;顾兆军（1966—）,男,山东,教授,博士,主要研究方向为网络与信息安全、搜索引擎、民航信息系统。
基金资助:
国家重点研发计划[2016YFB0800805];天津市科技服务科技重大专项[16ZXFWGX00140];中国民航大学信息安全测评中心开放基金课题[CAAC-ISECCA-201501]

Research and Design on Abnormal Behavior Online Detection Platform Based on Xen

Pengfei NIU¹, Jian ZHANG¹(), Qing CHANG², Zhaojun GU³

1. School of Computer and Communication Engineering, Tianjin University of Technology, Tianjin 300384, China
2. Department of Population Management, Tianjin Municipal Police Bureau, Tianjin 300161, China
3. Information Security Evaluation Center of Civil Aviation, Civil Aviation University of China, Tianjin 300300, China

Received:2016-07-25 Online:2016-09-20 Published:2020-05-13

摘要/Abstract

摘要：

传统的检测机制主要基于物理实体机,检测程序与恶意程序同时运行在系统中,会受到恶意程序的干扰,无法准确检测到系统状态。文章分析了当前网络突出的异常行为形式和特点,提出了通过建立异常行为在线检测平台实现网络监管的思路,并分析了搭建在线检测平台涉及的相关关键技术,研究了虚拟化技术和虚拟机自省技术的特点,提出了依托虚拟化技术,利用虚拟机自省技术实现对网络突出的异常行为进行连续测试与监测的方法。文章设计并实现了基于Xen的网络异常行为在线检测平台模型。

关键词: 异常行为, 虚拟化技术, 虚拟机自省技术, Xen, 在线检测

Abstract:

The traditional detection mechanism mainly based on the physical machine. The detection software is disturbed by the malicious software which resides on the same OS, so it is hard to detect OS status accurately. This paper presented an approach of supervision to the Internet by establishing an online detection platform against the abnormal behavior. It analyzed the key technologies in establishing the online detection platform and the characteristics of virtualization technology and virtual machine introspection technology. This paper proposes a method that can test and monitor the abnormal behavior in a continuous way relying on virtualization technology and virtual machine introspection technology. At last, this paper designs and implements a model of Xen-based online detection platform against the abnormal behavior.

Key words: abnormal behavior, virtualization technology, VMI, Xen, online detection

中图分类号:

TP309

牛鹏飞, 张健, 常青, 顾兆军. 基于Xen的异常行为在线检测平台研究与设计[J]. 信息网络安全, 2016, 16(9): 139-144.

Pengfei NIU, Jian ZHANG, Qing CHANG, Zhaojun GU. Research and Design on Abnormal Behavior Online Detection Platform Based on Xen[J]. Netinfo Security, 2016, 16(9): 139-144.

图/表 5

参考文献 20

[1]	宋好好. 云计算信息系统信息安全等级保护测评关键技术研究[J]. 信息网络安全,2015(9):167-169.
[2]	吴军,张向丽,张轶君,等. 一种基于xenVMI机制下的蜜网流量异常检测方法[J]. 电子技术应用,2015,41(1):122-124.
[3]	温志渊,翟健宏,徐径山,等.基于攻击行为树的恶意代码检测平台[J]. 信息网络安全,2013(9):22-25.
[4]	金海. 计算机系统虚拟化一原理与应用[M].北京:清华大学出版社,2008.
[5]	虚拟化与云计算小组.虚拟化与云计算[M]. 北京:电子工业出版社,2009.
[6]	GARFINKEL T, ROSENBLUM M. A Virtual Machine Introspection Based Architecture for Intrusion Detection[EB/OL]. , 2016-4-12.
[7]	李海威,范博,李文锋. 一种可信虚拟平台构建方法的研究和改进[J]. 信息网络安全,2015(1):1-5.
[8]	PAYNE B D. Simplifying Virtual Machine Introspection Using Libvmi[EB/OL]. , 2012-1-20.
[9]	DOLAN-GAVITT B, LEEK T, ZHIVICH M, et al.Virtuoso: Narrowing the Semantic Gap in Virtual Machine Introspection[J]. Security & Privacy IEEE Symposium on, 2011, 42(12): 297-312.
[10]	杨先强,双锴,王玉龙. 虚拟机内省技术研究[EB/OL]. , 2012-12-18.
[11]	Gavitt B D, Bryan P, Wenke L. Leveraging Forensic Tools for Virtual Machine Introspection[EB/OL]. , 2016-4-15.
[12]	ZOLKIPLI M F, JANTAN A.Malware Behavior Analysis: Learning and Understanding Current Malware Threats[C]//Universiti Utara Malaysia. Second International Conference on Network Applications, Protocols and Services, September 22-23, 2010, Alor Setar, Malaysia. New Jersey: IEEE, 2010: 218-221.
[13]	LENGYEL T K, MARESCA S, PAYNE B D, et al.Scalability, Fidelity and Stealth in the DRAKVUF Dynamic Malware Analysis System[C]//ACSAC. 30th Annual Computer Security Applications Conference, December 8-12, 2014, New Orleans. New York: ACM, 2014: 386-395.
[14]	HENDERSON A, PRAKASH A, YAN L K, ET AL. Make It Work, Make It Right, Make It Fast: Building a Platform-neutral Whole-system Dynamic Binary Analysis Platform[C]//ACM. 2014 International Symposium on Software Testing and Analysis, July 21-26, 2014, San Jose, CA, USA. New York:ACM, 2014: 248-258.
[15]	LENGYEL T K, NEUMANN J, MARESCA S, et al.Virtual Machine Introspection in a Hybrid Honeypot Architecture[C]//USENIX. 5th USENIX Conference on Cyber Security Experimentation and Test, August 8-10, 2012, Bellevue, USA. New York: ACM, 2012: 1-8.
[16]	RILEY R, JIANG Xuxian, XU Dongyan.Multi-aspect Profiling of Kernel Rootkit Behavior[C]//EuroSys. 4th European Conference on Computer Systems, March 31-April 3, 2009, Nuremberg, Germany. New York: ACM, 2009: 47-60.
[17]	XUAN C, COPELAND J, BEYAH R.Toward Revealing Kernel Malware Behavior in Virtual Execution Environments[C]//RAID. Recent Advances in Intrusion Detection International Symposium, September 23-25, 2009, Saint-Malo, France. Berlin: Springer, 2009: 304-325.
[18]	DINABURG A, ROYAL P, SHARIF M, et al.Ether: Malware Analysis via Hardware Virtualization Extensions[C]//ACM. 15th ACM Conference on Computer and Communications Security, October 27-31, 2008, Alexandria, Virginia, USA. New York: ACM, 2008: 51-62.
[19]	WANG Yichuan, MA Jianfeng, LU Di, et al.Game Optimization for Internet DDoS Attack Detection in Cloud Computing[J]. Journal of Computer Research and Development, 2015, 52(8): 1873-1882.
[20]	李辉,陈兴蜀,张磊,等.一种针对Xen超级调用的入侵防护方法[J]. 信息网络安全,2014(12):43-46.

基于Xen的异常行为在线检测平台研究与设计

Research and Design on Abnormal Behavior Online Detection Platform Based on Xen

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 20

相关文章 14

编辑推荐

Metrics

本文评价

[1]	荆涛, 万巍. 面向属性迁移状态的P2P网络行为分析方法研究[J]. 信息网络安全, 2020, 20(1): 16-25.
[2]	张健, 蔡长亮, 宫良一, 顾兆军. 基于KVM虚拟化环境的异常行为检测技术研究[J]. 信息网络安全, 2017, 17(11): 1-6.
[3]	王文旭, 张健, 常青, 顾兆军. 云计算虚拟化平台安全问题研究[J]. 信息网络安全, 2016, 16(9): 163-168.
[4]	郑生军, 郭龙华, 陈建, 南淑君. 基于虚拟执行技术的高级恶意软件攻击在线检测系统[J]. 信息网络安全, 2016, 16(1): 29-33.
[5]	尚进, 谢军, 蒋东毅, 陈怀临. 现代网络安全架构异常行为分析模型研究[J]. 信息网络安全, 2015, 15(9): 15-19.
[6]	姬炳帅，李虎，韩伟红，贾焰. 面向电子商务的用户异常行为检测研究[J]. 信息网络安全, 2014, 14(9): 80-85.
[7]	齐忠厚，谢旭东，张乃斌. 浅议SDN发展对网络安全的影响[J]. 信息网络安全, 2014, 14(9): 95-97.
[8]	王景中, 徐友强. 基于RBF神经网络的HTTP异常行为自动识别方法[J]. 信息网络安全, 2014, 14(12): 16-20.
[9]	李辉, 陈兴蜀, 张磊, 王文贤. 一种针对Xen超级调用的入侵防护方法[J]. 信息网络安全, 2014, 14(12): 43-46.
[10]	陶玉龙;卢凯;王小平;王继祖. 面向云服务的高性能计算柔性服务平台[J]. , 2012, 12(6): 0-0.
[11]	甘宏;潘丹. 虚拟化系统安全的研究与分析[J]. , 2012, 12(5): 0-0.
[12]	孙志丹;邹哲峰;刘鹏. 基于云计算技术的信息安全试验系统设计与实现[J]. , 2012, 12(12): 0-0.
[13]	郎为民. 物联网安全技术的相关研究与发展[J]. , 2011, 11(3): 0-0.
[14]	马喆;禹熹;袁傲;易晓磊;沈晴霓. Xen安全机制探析[J]. , 2011, 11(11): 0-0.