Original title: Detekce maligních doménových jmen pomocí vzájemných vztahů
Translated title: Detection of Malicious Domain Names using Mutual Relationships
Authors: Bukas, Jozef Michal ; Žádník, Martin (referee) ; Hranický, Radek (advisor)
Document type: Master’s theses
Year: 2026
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [eng] [cze]
Systém doménových mien (DNS) je jeden zo základných stavebných kameňov internetu. Užívatelia a aplikácie ho denne používajú na lokalizáciu zariadení v sieti. Bohužial, DNS je taktiež denne zneužívané útočníkmi, či už na phising, distribúciu malware alebo ovládanie botnetov, pričom tieto útoky môžu mať veľké finančné a reputačné následky. Cieľom tejto diplomej práce je navrhnúť a implementovať systém pre detekciu závadových doménových mien pomocou vzťahov medzi doménami uložených v grafe doménových vzťahov. Ten používa tri typy vzťahov: prekladá sa na IP adresu, má CNAME, je subdoménou domény. Kombinácia a využitie štatistík okolia domény v grafe s metódou strojového učenia na grafoch Metapath2vec na evaluáciu domén spôsobom, ktorý umožňuje jednoduchú aktualizáciu grafu vzťahov medzi doménami a zároveň zachováva robustnosť a presnosť, ako ukazujú experimenty na veľkom datasete domén, umožňuje systému neustále sa prispôsobovať novým hrozbám. Samotný systém funguje ako serverová aplikácia poskytujúca API na zadávanie požiadaviek na evaluáciu domén. The Domain Name System (DNS) is a cornerstone of the Internet. Users and applications use it daily to locate network resources. Unfortunately, attackers exploit DNS, with examples including phishing, botnet command and control, or malware distribution, where these attacks can be enormous in terms of financial and reputational costs. This Master’s thesis aims to design and implement a system for evaluating domain maliciousness using relations between domains stored in the domain relationship graph. It uses three relationship types: translates to IP, has CNAME, and is a subdomain of. Combination and use of neighbourhood statistics with the graph machine learning method Metapath2vec for domain evaluation in a way that allows for easy graph updates while remaining robust and precise, as demonstrated by experiments on a large dataset, enables the system to adapt to new threats constantly. System runs as a server application that exposes an API for submitting evaluation requests.
Keywords: adabtibilnosť; detekcia závadových domén; doména; doménová bezpečnosť; doménové vzťahy; grafy; siete; strojové učenie; adaptability; domain; domain relationships; domain security; graphs; machine learning; malicious domain detection; networks

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/260294

Permalink: http://www.nusl.cz/ntk/nusl-775163


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses