| 한글제목(Korean Title) |
트윗을 이용한 그래프와 시계열 기반 사이버 공격 예측 |
| 영문제목(English Title) |
Predicting of Cyber Attacks based on Graphs and Time-Series Using Tweets |
| 저자(Author) |
이준하
Junha Lee
한보영
Boyoung Han
권혁윤
Hyuk-Yoon Kwon
|
| 원문수록처(Citation) |
VOL 35 NO. 03 PP. 0003 ~ 0017 (2019. 12) |
한글내용
(Korean Abstract) |
본 논문에서는 트윗을 이용한 그래프와 시계열 기반 사이버 공격 예측 방법을 제안한다. 본 논문은 사이버 공격과 연관된 사용자들 간의 관계를 표현한 그래프 데이터와 시간에 따른 그들의 활동을 표현한 시계열 데이터를 동시에 활용하여 사이버 공격을 예측한 최초의 연구이다. 먼저, 사이버 공격과 연관된 키워드가 포함된 트윗을 자주 작성하는 사용자들을 대상으로 사용자들 간의 관계를 그래프로 모델링한다. 이를 기반으로 사용자 간 그래프 상의 인접성을 고려한 효과적인 클러스터링 기준을 선별한다. 다음으로, 사이버 공격에 대한 뉴스 기사를 기반으로 트윗 사용자들의 트윗 작성 추이를 시계열로 분석한다. 이때, 사용자 그룹 간 사이버 공격 전후의 트윗 작성 빈도를 분석함으로써, 그래프 분석에서 선별된 클러스터링 기준이 사이버 공격 예측에 효과적임을 보인다. 2013-2018년 사이에 발생한 총 58건의 사이버 공격에 대한 분석을 수행한다. 구체적으로, 사이버 공격과 연관된 트윗을 자주 작성하는 1,000명의 사용자 중에서 임의로 선정된 100명의 사용자 그룹이 작성한 트윗에 비하여 그래프 상의 인접성에 따른 클러스터링 기준에 따라 선별된 100명의 사용자 그룹이 작성한 트윗이 사이버 공격 예측에 최대 약 18%만큼 더 효과적임을 보인다.
|
영문내용
(English Abstract) |
In this paper, we propose a method for predicting of cyber attacks based on graphs and time series using tweets. This paper is the first research effort that utilizes both graph data representing the relationship between users who are related to cyber attacks and time-series data representing their activity according to the time. First, we perform a graph-based modeling for describing the relationship between users who frequently write tweets related to cyber attacks. Based on the graph, we identify the effective clustering criteria between users by taking into account their proximity on the graph. Next, we analyze the trend that the users write tweets in a time series based on news articles about cyber attacks. Here, by analyzing the frequency of tweets according to the groups of tweet users before and after cyber attacks, we show that the clustering criteria identified by the graph analysis is effective. We perform the analysis on a total of 58 cyber attacks between 2013 and 2018. Specifically, out of a total of 1,000 users who frequently write tweets related to cyber attacks, we show that tweets written by a group of 100 users, who are selected according to the proximity on the graph, are more effective for predicting cyber attacks by up to 18% compared to the tweets written by a group of 100 users, who are randomly selected.
|
| 키워드(Keyword) |
predicting cyber attacks
사이버 공격 예측
그래프 분석
시계열 분석
graph analysis
time-series analysis
|
| 파일첨부 |
PDF 다운로드
|
