MARC

 008240612s2023      us  |||||||||||||||c||eng  d
■001000016931800
■00520240214100120
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798379760281
■035    ▼a(MiAaPQ)AAI30423814
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aRandall,  Audrey.
■24510▼aNames  to  Conjure  With:  Measuring  and  Combating  Online  Adversaries  by  Examining  Their  Use  of  Naming  Systems▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  California,  San  Diego.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(178  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-01,  Section:  A.
■500    ▼aAdvisor:  Schulman,  Aaron;Voelker,  Geoffrey  M.;Savage,  Stefan.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  San  Diego,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aDefenders  combat  online  adversaries  by  understanding  their  behavior,  the  resources  they  depend  on,  and  their  strategies  and  tactics.  However,  measuring  adversarial  activity  directly  is  often  challenging,  because  adversaries  take  steps  to  obfuscate  their  behavior  and  evade  detection  by  defenders.  To  overcome  this  challenge,  defenders  may  leverage  the  knowledge  that  adversaries  rely  on  licit,  external  resources,  whose  business  models  do  not  require  secrecy.  These  resources  may  therefore  leak  valuable  information,  including  the  prevalence  of  threats,  the  relative  effectiveness  of  competing  adversaries,  the  strategies  adversaries  use,  or  the  resources  and  infrastructure  they  rely  upon.  Such  information  can  help  defenders  prioritize  threats  and  decide  which  components  of  an  ecosystem  to  target  for  interventions.  This  dissertation  presents  a  new  framework  for  designing  measurement  techniques  and  interventions  for  online  adversaries:  I  leverage  the  information  leaked  by  naming  systems.  I  show  that  because  naming  systems  are  both  lists  of  an  adversary's  resources  and  critical  resources  themselves,  observing  them  enables  defenders  to  measure  adversaries'  prevalence,  compare  their  harmfulness,  analyze  their  infrastructure,  and  more,  thus  improving  interventions  by  identifying  the  most  effective  resources  to  target  and  prioritizing  the  most  dangerous  threats.I  present  four  studies  that  each  leverage  some  aspect  of  a  naming  system  to  measure  an  adversary's  behavior  and  inform  defenses  against  it.  First,  I  measure  the  prevalence  of  overt  stalkerware  in  the  wild,  by  using  privacy-preserving  DNS  cache  snooping  on  four  public  DNS  resolvers.  Second,  I  determine  the  location  in  the  network  of  DNS  redirection  attacks,  by  exploiting  the  format  of  certain  special  DNS  responses.  Third,  I  investigate  the  abuse  of  blockchain-based  naming  systems  (BNSes)  by  malware  operators,  and  design  interventions  leveraging  BNS  components  to  disrupt  malware  campaigns.  Finally,  I  measure  an  emerging  web  privacy  threat,  UID  smuggling,  by  participating  in  the  naming  system  built  by  trackers  to  link  user  identifiers  with  behavioral  data.  In  each  case,  I  measure  or  design  defenses  against  an  adversary  that  would  be  difficult  to  study  without  examining  the  information  leaked  by  a  naming  system.
■590    ▼aSchool  code:  0033.
■650  4▼aComputer  science.
■650  4▼aInformation  science.
■653    ▼aOnline  adversaries
■653    ▼aNaming  systems
■653    ▼aDNS  redirection
■653    ▼aBlockchain-based  naming  systems
■690    ▼a0984
■690    ▼a0723
■71020▼aUniversity  of  California,  San  Diego▼bComputer  Science  and  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g85-01A.
■773    ▼tDissertation  Abstract  International
■790    ▼a0033
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16931800▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서