선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이러한 결합 방법이 실제환경에서 얼마나 효과적인지를 정략적으로 측정하는 실험은 Darpa 1998년 data와 1999년 data를 이용하여 측정하였는더〕, 그 구현과정과 확장된 모델의 내용이 많아, 이 논문과는 별도의 실험 논문으로 구성하였다. 다만 본 논문에서는 snort와 XIBL의 결합에 의해 침입 탐지의 전체 성능을 향상시킬 수 있는 방법이 존재한다는 것을 증명하는 것과, 이것을 만족시키는 모델을 제시하는 것이 주 목적이다. 여기서 주의해야 할 것은 본 논문에서 사용한 침입 탐지 성능의 향상이라 함은 단순히 정확도의 수 치적증가를 의미하지 않고 오경보의 줄임을 의미한다.
- Snort 자체로는 이것이 첫째 유형인지, 둘째 유형인지 분류하는 것이 불가능하다. 본 논문은 XIBL이 패킷 단위로 정상 및 비정상을 판단할 수 있다는 특성을 이용하여 snort에서의 alarm이 발생했을 때 그것이 어떤 유형인지를 XIBL이 판단 할 수 있는 모형을 제시하고자 한다.
- 지면의 제약상 전체 실험결과 중 일부만 표시하였다. 이 분석의 목적은 Snort가 인식하는 비정상에 대하여 XIBL의 행동 양식을 관찰하기 위한 것이다. 특히 각각의 공격에서 관측되는 패킷의 크기가 일정 하지 않은 이유는 대부분의 공격 유형이 공격의 끝과 시작이 명확하게 정해져 있지 않고 공격자가 임의의 시간동안에 공격을 행했기 때문이다.
- snort가 인식한 경우와 인식하지 못한 경우를 모두 포함하여 계산하였다. 이 분석의 목적은 Snort에서 잘못된 alarm이 발생했을 때, 이것에 대한 XIBL의 행동 양식을 관찰하는 것이다.
- 이 실험의 목적은 Snort alarm에 대한 XIBL의 행동 분석으로 각 공격 타입별로 진성경보와 오경보 사이 서로 구별될 수 있는 패턴이 존재하는가 인데, 만약 존재한다면 위에서 제안한 결합 모형이 그 논리적 타당성을 가지고 있음을 알 수 있다.
- 여기서 주의해야 할 것은 본 논문에서 사용한 침입 탐지 성능의 향상이라 함은 단순히 정확도의 수 치적증가를 의미하지 않고 오경보의 줄임을 의미한다. 즉 본 논문에 제시된 모델의 주 목적은 Misuse system과 학습 기반 anomaly system의 결합으로 Misuse System의 오경보를 줄이는 것이 주된 목적인 것이다. 또한 이런 모델의 적용은 어느 정도 진성경보률의 희생을 요구한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.