تعداد نشریات | 39 |
تعداد شمارهها | 1,170 |
تعداد مقالات | 8,437 |
تعداد مشاهده مقاله | 6,316,171 |
تعداد دریافت فایل اصل مقاله | 3,562,432 |
ارائه روشی برای کشف روت کیت ها مبتنی بر درون بینی ماشین مجازی | |||||||||||||||||||||||
پدافند غیرعامل | |||||||||||||||||||||||
مقاله 3، دوره 10، شماره 2 - شماره پیاپی 38، شهریور 1398، صفحه 33-42 اصل مقاله (811.66 K) | |||||||||||||||||||||||
نوع مقاله: مقاله پژوهشی | |||||||||||||||||||||||
نویسندگان | |||||||||||||||||||||||
سعید پارسا* ؛ فاطمه جمشیدی نیا | |||||||||||||||||||||||
دانشگاه علم و صنعت ایران | |||||||||||||||||||||||
تاریخ دریافت: 24 بهمن 1395، تاریخ بازنگری: 24 بهمن 1396، تاریخ پذیرش: 25 مهر 1397 | |||||||||||||||||||||||
چکیده | |||||||||||||||||||||||
روتکیتهای سطح هسته، بهدلیل رفتار پنهانکارانه خود، به تهدیدات امنیتی جدی تبدیل شدهاند. اغلب روتکیتهای سطح هسته، با قلاباندازی اشارهگرهای تابع موجود در هسته سیستمعامل، جریان کنترل سیستم را تغییر داده و به اهداف پنهانکارانه خود دست مییابند. بررسیها نشان میدهد اکثر روشهای ضدروتکیتی که یکپارچگی اشارهگرهای تابع موجود در حافظه هسته سیستم را بررسی میکنند حافظه پویای هسته را که هدف حمله روتکیتهای پیشرفته هستند، بررسی نمیکنند. از طرف دیگر روتکیتهای سطح هسته قادر به دستکاری ساختارهای هسته سیستمعامل بوده و میتوانند در کار نرمافزارهای ضد بدافزاری اختلال ایجاد کنند. بنابراین، ابزارهای کشف روتکیت پیشین، که در داخل ماشین میزبانی که آن را محافظت میکنند، اجرا میشوند، در برابر تغییر و دور زدن، آسیبپذیر هستند. بنابراین، در روشهای اخیر کشف بدافزارها از روشهای مبتنی بر نظارت ماشین مجازی در سطح ناظر ممتاز استفاده میشود که قادرند بدون دخالت بدافزارهای ماشین مجازی، وضعیت سیستم در حال اجرا را بررسی کنند. هدف از این پژوهش، ارائه روشی مبتنی بر درونبینی ماشین مجازی، بهمنظور کشف روتکیتهایی است که با استفاده از راهکار تغییر جریان کنترل سیستم سعی در مخفی نمودن خود و بدافزارهای جانبیشان در حافظه اصلی دارند. روش پیشنهادی سعی دارد با استفاده از درونبینی ماشین مجازی، اشارهگرهای تابع در نواحی حافظه هسته سیستمعامل که بیشترین هدف روتکیتها هستند را استخراج کرده و در سطح ناظر ممتاز، یکپارچگی آنها را بررسی کند. روش پیشنهادی با یک مجموعه از روتکیتهای شناخته شده که از روشهای پیشرفته قلاباندازی استفاده میکنند، ارزیابی شده و قادر است همه آنها را شناسایی کند. | |||||||||||||||||||||||
کلیدواژهها | |||||||||||||||||||||||
روتکیت؛ درونبینی ماشین مجازی؛ قلاباندازی؛ اشارهگرهای تابع | |||||||||||||||||||||||
مراجع | |||||||||||||||||||||||
| |||||||||||||||||||||||
آمار تعداد مشاهده مقاله: 1,107 تعداد دریافت فایل اصل مقاله: 367 |