Mirai Botnet Communication in IoT Networks: An In-Depth Analysis of the IoT23 Dataset

Die rasche Verbreitung von Geräten des Internets der Dinge (IoT) hat die Angriffsfläche moderner Netzwerke erheblich vergrößert. Das Mirai -Botnetz ist ein prominentes Beispiel dafür: Es kompromittiert ressourcenschwache, häufig unzureichend geschützte IoT - Endgeräte und missbrauchtsie für großangelegte DDoS -Angriffe, indem es Standard-Zugangsdaten ausnutzt. Eine frühzeitige Erkennung, insbesondere der Aufbau der Command - and - Control-Kommunikation, ist daher entscheidend, um Infektionen zu verhindern und Folgeschäden zu minimieren. Diese Arbeit untersucht die Erkennung von Mirai- Malware in IoT- Netzwerken auf Basis des IoT23-Datensatzes. Hierzu werden paketbasierte Verkehrsdaten sowie abgeleitete Protokoll- und Flow-Merkmale analysiert, um Verhaltensmuster zu identifizieren und zwischen dem normalen IoT-Datenverkehr und C2-Kommunikation zu unterscheiden. Dabei wird insbesondere eine Erkennung mit Merk-malen angestrebt, die auch zur Verfügung stehen, wenn der Datenverkehr verschlüsselt ist. Die Ziele der Arbeit sind:1. Durchführung einer paketweisen Analyse von IoT - Traffic im IoT23-Datensatz zur Charakterisierung des Mirai-Verhaltens.2. Extraktion und detaillierte Merkmalsanalyse aus Packet- und Flowdaten zur klaren Abgrenzung von benignem Traffic gegenüber C2-Kommunikation.3. Entwicklung eines Entscheidungsbaums, der den Verkehr zuverlässig klassifiziert und eine frühzeitige Erkennung von Mirai-Infektionen unterstützt.Durch die Kombination einer fundierten, verhaltensbasierten Verkehrsanalyse mit Methodendes maschinellen Lernens liefert die Arbeit einen Ansatz für die frühzeitige Erkennung von IoT-Botnetzen und legt damit die Grundlage, um IoT-Netze gegenüber aufkommenden Bedrohungen widerstandsfähiger zu machen.