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
- IDS는 정보체계기반의 침입 또는 오용을 감지하는 시스템으로 널리 사용되고 있는 침입탐지시스템(IDS; Intrusion Detection System)을 의미한다. [12] 본 연구는 C4ISR 체계의 정보보호 수준 강화를 위한 IDS 활용과정에서 흔히 발생하는 문제인 오탐지와 미탐지의 문제를 감소시킬 수 있는 방법을 제시함으로써, C4ISR체계의 IDS의 운용신뢰성을 향상시키는 방안을 제시하는 것을 목표로 한다.
- 그러므로, 유전알고리즘은 실시간성을 요구하는 문제에서는 활용되고 있지 않다.[7-8] 기존의 유전알고리즘 기반 침입탐지시스템에 대한 연구들은 기존에 생성된 침입탐지 데이터를 유전알고리즘을 활용하여 추가적인 데이터 세트를 생성하는 것을 목적으로 하고 있다. 이 생성된 데이터 세트를 탐지 대상이 되는 룰의 데이터로 반영하는 방식을 택하고 있다.
- 본 연구에서는 다양한 변형 공격을 대응하는 침입 패턴 예측기능 구현을 위해, 1번의 침입탐지 검색/탐색 시에, 연산 횟수를 3회로 제한한 유전알고리즘을 활용 하여, 탐지 시간 동안 실시간으로 침입패턴을 예측하여 반영하는 방식을 제안하고 있다. 본 연구에서 제안하는 구조는 유전알고리즘 연산을 3회로 제한하여 실시하고, 이 과정에서 생성된 패턴으로 침입탐지시스템에 실시간 변형패턴을 공급하는 구조이다.
- 각종 새롭게 변형된 공격에 노출되기 쉬운 C4ISR 체계 정보 보호를 위한 침입탐지시스템은 사후 감사적 생성 데이터에 더하여 실시간 검색 중에 생성된 변형패턴까지 활용하여, 침입 패턴을 탐지하면서도, 기존의 침입탐지 시스템들이 가진 단점인 새로운 공격 유형이나 자동생성 데이터를 활용할 때 발생하는 높은 오탐지율을 제안 시스템과 같이 감소 시킴으로써, 보다 향상된 침입탐지 서비스를 제공할수 있을 것을 기대할 수 있다. 본 연구에서는 유전알고리즘 연산방식을 차용한 단순한 구조의 침입탐지시스템만을 제안하였다. 그러나, 향후에는 다른 종류의 기계학습 방식을 활용하거나, 여러 가지 방식이 결합된 하이브리드형의 자동패턴 생성방식의 실시간성과오탐지율, 미탐지율을 감소시키는 방안을 연구할 필요가 있다.
- [1-6][12] 그러나, 여기서 생성된 데이터들은 기존 침입탐지 시스템의 한계인 사후감사의 성격을 여전히 가지고 있으며, 생성데이터의 신뢰성 관계로 오탐지율이 높은 문제를 가지고 있다. 본 연구에서는 자동 생성 데이터에 실시간성을 부여하면서, 오탐지율를 낮춤으로 활용 성능을 향상 시킬 수 있는 방안을 제시한다.
- [6] 한편, C4ISR 체계의 정보보호에는 일반적인 정보 체계의 정보보호 수단과 아울러, TEMPEST와 SCIF 같은 융합보안적인 요소들이 많이 강조되어 활용되고 있다. 본 연구에서는 정보체계관점에서의 일반적인 정보보호 수단으로써, C4ISR기반체계의 정보보호에 활용되고 있는 IDS를 중심으로 C4ISR 체계의 정보보호 향상을 위한 방안을 살펴본다. IDS는 정보체계기반의 침입 또는 오용을 감지하는 시스템으로 널리 사용되고 있는 침입탐지시스템(IDS; Intrusion Detection System)을 의미한다.
- 본 연구에서는 이러한 C4ISR체계의 특성을 고려하여, 데이터링크 환경에서의 정보유통과 정보보호는 별개의 영역으로 나누어, 다루지 않는다. 본 연구에서는 주로 정보체계성격을 가지는 C4I체계에서 정보유통과 침해에 대한 관점에서 IDS 침입탐지 성능을 향상시킬 수 있는 방안을 제시하고자 한다.
- 본 연구에서 제안하는 침입탐지시스템의 침입탐지 엔진 구조는 유전알고리즘 연산을 3회로 제한하여 실시하고, 각각의 침입 탐지 과정에서 생성된 패턴으로 침입탐지시스템에 변형패턴을 계속 공급하는 방식의 독특한 구조이다. 본 연구에서는 침입탐지체계가 작동하는 순간에도 변화된 패턴을 입력받을 수 있는 기능을 부여했다. 본 연구에서 제안하는 침입탐지 시스템의 엔진 구조는 새로운 형태의 변형 공격을 대응하는 침입패턴 예측기능 구현을 위해 연산횟수를 제한한 유전알고리즘을 활용하여, 침입탐지시스템의 탐지검색 과정에서 공격패턴의 변형패턴 감지를 위한 패턴형성 유전알고리즘 연산을 실시하고, 이 과정에서 생성된 패턴으로 침입탐지시스템에 변형공격패턴을 지속적으로 공급하는 구조이다.
- 또한, 생성데이터의 신뢰성 관계로 오탐지율이 높아지는 문제도 가지고 있다. 본 연구에서는 탐색 과정에서 자동 데이터를 생성함으로써, 기존의 사후감사가 아닌 실시간성을 부여하고, 해당 시스템을 통하여 오탐지율을 낮출 수 있음을 보이고자 한다.
- 이 생성된 데이터 세트를 탐지 대상이 되는 룰의 데이터로 반영하는 방식을 택하고 있다. 이 방식은 기존의 사후 감사 방식을 위한 데이터의 수집이 이미 발생한 침해사고를 기준으로 하고 있음으로 인해, 추가적인 예측이 어렵다는 것을 유전알고리즘기반 기계학습으로 해결하고자 한 것이다.[1-5] 그러므로, 기존 연구들의 최적패턴 반영 학습 방법들은 기존의 전형적인 사후 감사추적 방식과 크게 다를바 없이, 변화된 공격 양상에 대해, 즉각적인 대응조치가 미약함이 알려져 있다.
- 침입탐지시스템은 외부침입자뿐만 아니라 내부사용자의 오남용행위를 탐지하는 것도 그 목적으로 한다. 여러 가지 분류 방법들이 있으나, 많이 사용하는 분류는 침입탐지시스템의 기능적 특성과 비기능적 특성으로 시스템을 분류한다.
가설 설정
- GA를 활용한 IDS와 관련된 기존 연구들은 공통적으로, 침입패턴 형성에 유전알고리즘의 다수세대 최적화를 통한, 최적침입패턴 생성이 가능하다는 가정을 주로 하고 있다.[1-5, 11,13,16] 그러나, 본 연구는, 침입탐지시스템의 패턴 생성에 있어서, 유전알고리즘을 통한, 다수세대 최적화는 의미가 없다는 가정을 가지고 있다. 그러므로, 본 연구에서 사용되는 유전알고리즘은 일반적인 최적화기법으로써의 해 탐색기법으로써의 유전알고리즘을 의미하는 것은 아니다.
- 본 연구에서의 성능 평가는 [11,12]에서 소개되고 있는 성능 평가 방식의 예를 사용한다. 먼저, 측정 단위 기간 1일간 새로운 형태의 N개의 실제 공격이 발생하고, 실제 공격과 오탐지를 포함한 m개의 침입기록이 발생하였음을 가정한다. 실제 공격의 발생률은 베이즈 정리를 활용한 침입탐지시스템 성능평가방법에서 아래와 같이 산출된다.
- 제안된 구조에서 이루어지는 연산을 단계별로 살펴본다. 우선, 1차 침입탐지룰 설정부에서 설정된 침입탐지룰에는 4개의 패턴 (100011), (111101), (110110) 및 (001010)이 입력 도어 있는 것으로 가정하고, 연산과정을 살펴본다. 여기서 초기값의 가정은 경우에 따라, 변경이 가능하다.
- 여기서 말하는 행위패턴은 사용자 혹은 공격 자가 단말기에서 입력하는 텍스트 명령어나 텍스트를 의미한다. 이 입력값이 6비트를 초과하는 경우보다는 6비트 이내인 경우가 대부분으로 알려져 있기 때문[8-9]에 입력값은 6비트로 가정하였다. 또한, 6비트에 대한 연산에서, 컴퓨터 연산과 유전알고리즘 연산이 유리하고, 변화과정을 쉽게 확인할 수 있기 때문에 2진으로만 변화과정을 표현하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.