Bot generation and detection for sensor time series data using LSTM

Abstract

Στην εποχή του IoT, οι συσκευές παράγουν τεράστιες και συνεχείς ροές πληροφοριών. Διερευνώντας τέτοιες ροές δεδομένων για νέα γεγονότα, προβλέποντας μελλοντικές εμπειρίες και αποφασίζοντας για δυνατότητες ελέγχου, χρησιμοποιούνται προγράμματα που αυτοματοποιούν την περιήγηση και εκτελούν ορισμένες εντολές που ονομάζονται bots. Σήμερα, τα bots απαιτούνται λόγω του τεράστιου διαθέσιμου περιεχομένου, αλλά έχουν χρησιμοποιηθεί και για διάφορους κακόβουλους σκοπούς, όπως επιθέσεις botnet, παραπληροφόρηση και χειραγώγηση διαδικτυακών συνομιλιών. Τα bots που βασίζονται στην τεχνητή νοημοσύνη βρίσκονται σε άνοδο αυτές τις μέρες, με τη δυνατότητα να αναγνωρίζουν το μοτίβο χρήσης ενός χρήστη και να αναπτύσσονται ανάλογα. Ως αντίμετρο, στον τομέα της αποφυγής οποιασδήποτε μορφής επιθέσεων από bot, τα συστήματα που βασίζονται στη μάθηση είναι αναγκαία. Σε αυτή τη μεταπτυχιακή διατριβή υιοθετείται, μια τεχνική για τη δημιουργία μιας χρονοσειράς αισθητήρων από ένα bot που δημιουργείται με μεθόδους τεχνητής νοημοσύνης και στη συνέχεια πρόκειται να ταξινομηθεί εάν μια χρονοσειρά προήλθε από bot ή άνθρωπο. Η δημιουργία του bot προήλθε από GAN, με NN και LSTM και στη συνέχεια ανιχνεύθηκε από Bidirectional LSTM, διερευνώντας την ακρίβεια και τη διαφορά, από συνθετικές έναντι πραγματικών χρονοσειρών, σε διαφορετικά σενάρια εκπαίδευσης, με εξαιρετικά αποτελέσματα μερικές φορές έως και 100%. Στο τέλος εξηγείται γιατί η δημιουργία, δεν λειτούργησε τόσο καλά λόγω converge failure και τι πρέπει να ληφθεί υπόψη για τη μελλοντική εργασία, κατά τον συντονισμό ενός GAN, προκειμένου να αποφευχθούν τα ίδια λάθη.

In the era of IoT, devices produce enormous and continuous information streams. Investigating such amount of data for new facts, forecasting future experiences, and deciding on control possibilities, programs are used that automate browsing and perform certain commands which are called bots. Nowadays, bots are required because of the vast amount of available content, but also have been used for malicious purposes, such as botnet attacks, misinformation and manipulation of online conversations. Botnets based on artificial intelligence are on the rise these days, with the ability to recognize a user's behavioral pattern and deploy themselves as humans. As a counter measure, in the realm of botnet attack avoidance, learning-based systems are an unavoidable necessity. In this master thesis there is an approach to generate a sensor timeseries from a bot which is generated by AI methods, and then is about to classify whether a time series, came from a bot or a human. The generation of the bot came from GANs with NN and LSTM, and then detected by Bidirectional LSTM by investigating the accuracy from generated vs real timeseries, in different training scenarios, with excellent results sometimes up to 100%. In the end explains why the generation did not work so well due to convergence failure and what must consider to the future work, during the tuning of a GAN, regarding the hyperparameters, in order to avoid the same mistakes.