چکیده: بات‌نت‌های شار سریع ، نوعی تهدید سایبری محسوب می‌شوند که با به خطر انداختن امنیت برنامه‌ها و سرویس‌های وب می‌تواند آسیب‌های گسترده‌ای را به آنها ارد کنند. این بات‌نت‌ها از تکنیکی به نام شار سریع استفاده می‌کنند که تشخیص سیستم‌ها و نرم‌افزارهای آلوده را بسیار سخت و دشوار می‌کند. برای مقابله با این چالش، در این پایان‌نامه ابتدا بات‌نت‌های شار سریع، چرخه‌ی تکامل، رفتار، و تاثیر آنها بر سیستم‌ها را مطالعه و بررسی خواهیم کرد. سپس در ادامه یک رویکرد جدید در جهت شناسایی بات‌نت‌‌‌های شار‌سریع با تجزیه و تحلیل ترافیک سرویس نام دامنه (DNS) پیشنهاد می‌دهیم. در ادامه پس از تحلیل و بررسی پژوهش‌های مرتبط، 14 ویژگی‌ کارآمد را از آنها استخراج کردیم و سپس برای به دست آوردن ویژگی‌های جمع‌آوری شده اقدام به پیاده‌سازی یک ابزار به نام Dig2csv که با زبان برنامه‌نویسی پیاده سازی شده است، کردیم. روش پیشنهادی از الگوریتم‌های یادگیری عمیق برای تجزیه و تحلیل رفتار ترافیک DNS و شناسایی وجود بات‌نت‌های سریع شار استفاده می‌کند. معماری این الگوریتم به نحوی است که متشکل از سه لایه‌ی Conv1D به ترتیب با اندازه فیلتر 512، 256 و 128 و سپس استفاده از پارامترهای فعال ساز همچون Relu و در انتها انتقال مقادیر به لایه‌های Dense و گرفتن خروجی خواهد بود. اثربخشی روش پیشنهادی از طریق آزمایش‌های گسترده با استفاده از مجموعه داده‌های بات‌نت‌های شار سریع در دنیای واقعی ارزیابی می‌شود. به منظور مقایسه روش پیشنهادی به سایر پژوهش‌های مرتبط، سعی شده است با استفاده از مجموعه‌داده بیان شده توسط پژوهش‌ها، استفاده از الگوریتم‌های رده‌بند بیان شده و مقایسه نتایج به دست آمده این امر صورت گیرد. نتایج به دست آمده نشان می‌دهد که روش پیشنهادی از نظر دقت، کارایی و استحکام از الگوریتم‌های موجود بهتر عمل می‌کند. همچنین روش پیشنهادی قادر خواهد بود به عنوان یک ابزار فعال در سطح شبکه اقدام به شناسایی بات‌نت‌های شار سریع در زمان واقعی و با دقت بالا داشته باشد، به طوری که دقت تشخیص را به عددی بیش از 99 درصد رسانده است که کمک ارزشمندی به حوزه امنیت در سرویس‌های وب، نرم‌افزارهای آنلاین و سیستم‌های تحت شبکه خواهد کرد.