Offloading Encrypted C2 Traffic Mitigation to SmartNICs
Rattachement africain : us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
As command and control (C2) traffic increasingly adopts the Transport Layer Security (TLS) protocol, traditional detection methods relying on deep packet inspection (DPI) become ineffective. Machine learning (ML) classifiers offer a promising alternative by identifying encrypted C2 traffic without inspecting payloads. At the same time, modern smart network interface cards (smartNICs) provide advanced processing capabilities, allowing security applications to run directly on the hardware. This paper leverages smartNICs to implement an ML classifier for encrypted C2 detection. Data plane development kit (DPDK) is used to program the smartNIC and implement a random forest (RF) model. The system achieves 99.9% accuracy on publicly available datasets while sustaining a 50Gbps throughput with minimal processing overhead.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Offloading Encrypted C2 Traffic Mitigation to SmartNICs
- Date Crossref
- 23/06/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
University of South Carolina pays non établi dans la noticeUniversité ou école supérieure
-
University of South Carolina Aiken pays non établi dans la noticeUniversité ou école supérieure
University of South Carolina et University of South Carolina Aiken.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.