Current Result Document :
| 한글제목(Korean Title) |
네트워크 보안을 위한 비지도 학습 기반 이상탐지 방법 |
| 영문제목(English Title) |
A Method of Unsupervised Learning – based Anomaly Detection for Network Security |
| 저자(Author) |
양동헌
황명권
Donghun Yang
Myunggwon Hwang
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 0697 ~ 0699 (2021. 12) |
한글내용
(Korean Abstract) |
빅데이터 및 IoT 기술의 급속한 발전으로 인해 다양한 네트워크 응용 서비스가 개발되고 있으며, 다양한 사용자들에 의해 대규모 네트워크 데이터가 생성, 수집 및 전송되고 있다. 이에 따라 네트워크 보안에 대한 고려 또한 확대되고 있으며, 점차 고도화되는 네트워크 공격을 탐지 할 수 있는 효율적인 침입탐지기술이 요구되고 있다. 네트워크 침입탐지기술은 악의적인 침입을 모니터링하고 탐지하는 것을 목표로 하는 기술로써, 다양한 관련 연구들이 수행되고 있다. 기존에 주로 사용되고 있는 침입탐지기술은 새로운 공격 유형에 대한즉각 탐지 및 대처의 어려움 또는 오탐률이 높다는 단점이 있다. 보다 효율적인 침입탐지를 위해 딥러닝 기반 연구들이 수행되고 있지만 대부분의 연구들이 정상 및 공격 데이터에 대한 데이터 불균형성으로 인해 좋은 탐지 성능을 보이지 못했다. 따라서 본 연구는 정상 데이터만을 대상으로 딥러닝 모델을 학습하여 이상침입을 탐지하는 비지도 학습 기반 네트워크 이상탐지 방법을 제안한다. 본 연구가 제안하는 네트워크 이상탐지 모델은 대표적인 비지도 학습 딥러닝 모델인 오토인코더를 정상 데이터만으로 학습하여 구축된다. 학습이 완료된 오토인코더의 재구성 손실 및 각 레이어 출력에 대한 마할라노비스 거리들을 가중합하여 탐지대상 데이터의 이상치 점수를 도출한다. 도출한 이상치 점수에 임계값을 적용함으로써 네트워크 이상침입을 효율적으로 탐지 할 수 있다. 제안 모델을 UNSW-NB15 데이터에 적용하여 효율성을 검증하였으며, 성능 검증 결과 오토인코더의 재구축 손실만을 사용하는 경우 또는 원시 데이터에 직접 마할라노비스 거리를 적용하여 네트워크 이상을 탐지하는 경우에 비해 우수한 성능을 보였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
