[논문]무선네트워크 상에서의 침입탐지 에이전트 설계

윤동식

무선네트워크 상에서의 침입탐지 에이전트 설계
Intrusion detection agents on the wireless network design 원문보기

융합보안논문지 = Convergence security journal, v.13 no.1, 2013년, pp.59 - 70

초록
AI-Helper

무선 네트워크(Wireless Network) 기술의 급속한 발전과 함께, 안전한 무선 통신을 위한 보안문제가 중요한 이슈로 대두되고 있다. 무선 네트워크에서 침입탐지 시스템을 운영하기 위해서는 탐지 에이전트가 각 무선 노드에 설치되어야 한다. Ad-hoc 네트워크 구조는 무선 네트워크상에서 AP가 없이 흩어져 있는 노드들에게 통신이 가능하도록 연결시키는 구조이다. 침입탐지 에이전트를 노드에 설치 할 경우 이에 해당하는 에너지 소모가 발생하여 생존기간이 줄어들게 된다. 또한 침입탐지 효과의 증대를 위해서는 많은 트래픽을 감시할 수 있는 노드에 침입탐지 에이전트가 배치되어야 한다. 따라서 본 논문에서는 Ad-hoc구조를 활용하여 무선 네트워크에서 네트워크의 생존기간을 최대로 하면서 침입탐지의 효과성을 동시에 고려한 침입탐지 에이전트 설치를 위한 방안을 제안하고자 한다. 또한 각 네트워크상에서 데이터 집계 시스템을 설계하여 데이터 중복을 줄이고 네트워크 에너지 소모량을 줄여 네트워크의 부하를 줄여 시스템 성능을 향상 시키고자한다.

Abstract ▼ AI-Helper

Along with the rapid development of the wireless network (Wireless Network) technology for secure wireless communications, security problems have emerged as an important issue. In order to operate the wireless network intrusion detection system detects the agent installed on each wireless node should be. Ad-hoc network structures scattered in the AP over a wireless network without the node is a structure that makes it possible to communicate to connect. Intrusion detection agent to be installed on the node, and the corresponding energy consumption occurs when the survival time is reduced. On a node that can monitor a lot of traffic in order to increase the effect of intrusion detection, an intrusion detection agent should be placed. Therefore, in this paper, by taking advantage of the structure of Ad-hoc wireless network, considering the maximum living time of the network, while at the same time, the effectiveness of intrusion detection and intrusion detection by proposing a plan for installing the agent. Also improve the system performance by reducing the network load on each network, a system designed for data aggregation to reduce data redundancy, network energy consumption by reducing.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 Ad-hoc구조를 활용하여 무선 네트워크에서 네트워크의 생존기간을 최대로 하면서 침입 탐지의 효과성을 동시에 고려한 침입탐지 에이전트 설계를 위한 방안을 제시하였으며 또한 각 네트워크상에서 데이터 집계를 위한 시스템을 설계하여 데이터 중복을 줄이고 네트워크 에너지 소모량을 줄여 네트워크의 부하를 줄여 시스템 성능을 향상 시켰다.
본 논문에서는 Ad-hoc구조를 활용하여 무선 네트워크에서 네트워크의 생존기간을 최대로 하면서 침입탐지의 효과성을 동시에 고려한 침입탐지 에이전트 설계를 위한 방안을 제시하고, 또한 각 네트워크상에서 데이터 집계를 위한 시스템을 설계하여 데이터 중복을 줄이고 네트워크 에너지 소모량을 줄여 네트워크의 부하를 줄여 시스템 성능을 향상 시키고자한다.
본 논문에서는 효율적인 데이터 집계 기법을 위한 멀티홉 기반 클러스터링을 설계하였다. 멀티홉 기반 클러스터링 설계 부분에서는 기존의 논문에서는 단말 노드의 Hop수 즉 단말노드와의 거리와 최대 Hop수를 따로 선정하였으며, Cluster_,head 선정시 네트워크의 현재 상황에 고려하여 노드의 잔여량과 노드의 연결 가중치를 추가적인 가중치 값을 활용하여 상황에 맞춰서 헤드 선정할 수 있도록 설계하였다.

제안 방법

멀티홉 기반 클러스터링 설계 부분에서는 기존의 논문에서는 단말 노드의 Hop수 즉 단말노드와의 거리와 최대 Hop수를 따로 선정하였으며, Cluster_,head 선정시 네트워크의 현재 상황에 고려하여 노드의 잔여량과 노드의 연결 가중치를 추가적인 가중치 값을 활용하여 상황에 맞춰서 헤드 선정할 수 있도록 설계하였다. 네트워크상에서 데이터의 중복성을 최대한 줄여주기 위해서 노드의 밀집도를 계산하여, 노드의 밀집 영역을 Hotspot_Zone으로 설정하였다. Hotspot_Zone내에 있는 대기노드와 대표노드를 선정하여, 데이터 집계나 통신 경로를 사용할 때 대표노드가 대기노드를 대표하여 모든 데이터 집계자료나 통신 경로 역할을 하게 된다.
RREP 메시지는 목적지 노드까지의 경로를 탐색하는 RREQ 메시지에 대한 응답으로 RREQ를 수신한 노드가 저장한 역 경로를 이용하여 유니캐스트 된다. 노드의 이동으로 인해 링크가 손실되거나 오류가 발생한 경우에는 링크 손실이 발생한 노드의 주변에서 지역 복구를 수행하거 나 RERR 메시지를 RREQ를 생성한 소스 노드로 전달하여 오류가 발생한 링크에 관련된 라우팅 정보를 삭제하고 경로 재탐색을 수행하도록 한다.
데이터 구조에서 표현 한 것처럼 평균값을 구함과 동시에 합계 그리고 MAX값, MIN값을 바로 확인 할 수 있으며, 기존의 데이터 집계 연산보다 더 많은 정보를 더욱 빠르게 확인 할 수 있도록 설계 하였다.
둘째로, 데이터 집계 설계 부분에서는 노드의 밀집도를 고려한 Hotspot_Zone을 이용하여 대표노드만이 데이터 집계를 하여 중복되는 데이터량을 줄여 네트워크 에너지 소모량을 줄였으며, 트리구조를 이용하여 데이터 집계 속도를 향상 시켜 노드들의 수명을 연장시키기 위해 빈번하게 재선출되는 Cluster_head호출을 줄여주어 Cluster_head의 수명을 증가 시키는 기법을 제안하였다.
제안하는 다중홉 클러스터링 기법과 데이터집계기법은 노드의 밀집도 변화에 따른 결과를 얻기 위해, 밀집도를 20%부터 10%씩 증가시켜 90%까지 변화시켜며, 또한 제안하는 역추적 기법에서는 기존 연구들을 바탕으로 비교분석 하였다. 먼저, 노드들이 불균형적으로 분포된 상황에서, AMCH기법의 경우 밀집도 변화에 따른 네트워크의 수명 변화를 확인하기 위하여 시뮬레이션을 통해 노드들의 평균 수명을 확인하여 보았다.
본 논문에서는 효율적인 데이터 집계 기법을 위한 멀티홉 기반 클러스터링을 설계하였다. 멀티홉 기반 클러스터링 설계 부분에서는 기존의 논문에서는 단말 노드의 Hop수 즉 단말노드와의 거리와 최대 Hop수를 따로 선정하였으며, Cluster_,head 선정시 네트워크의 현재 상황에 고려하여 노드의 잔여량과 노드의 연결 가중치를 추가적인 가중치 값을 활용하여 상황에 맞춰서 헤드 선정할 수 있도록 설계하였다. 네트워크상에서 데이터의 중복성을 최대한 줄여주기 위해서 노드의 밀집도를 계산하여, 노드의 밀집 영역을 Hotspot_Zone으로 설정하였다.
이는 비단 무선 네트워크 뿐 아니라 유선 네트워크에서도 발생해서는 안 되는 문제이다. 무한 카운트와 라우팅 루프의 발생을 방지하기 위해 DSDV와 AODV 라는 라우팅 프로토콜에서는 목적지 시퀀스 번호를 이용하여 정보의 유효성을 검증하는 방법을 사용 한다.
본 논문에서 제안한 방법의 성능을 검증하기 위해, 시뮬레이션을 실시하였다. 제안하는 다중홉 클러스터링 기법과 데이터집계기법은 노드의 밀집도 변화에 따른 결과를 얻기 위해, 밀집도를 20%부터 10%씩 증가시켜 90%까지 변화시켜며, 또한 제안하는 역추적 기법에서는 기존 연구들을 바탕으로 비교분석 하였다.
보통 대규모 네트워크에서는 다중홉 클러스터링 기법을 사용하며, 소규모 네트워크일 경우 단일홉 클러스터링 기법을 사용하게 된다. 본 논문에서는 소규모 ad-hoc네트워크가 아닌 대규모 ad-hoc네트워크 상에서 다중홉 클러스터링 기법을 적용하였다.
본 논문에서는 클러스터링 데이터 집계 처리기법을 이용하며, 다중홉 클러스터링 기반 데이터 집계 연산을 위해 첫째로, 중복되는 데이터를 최대한 줄이기 위해 밀집도 계산을 통해 Hotspot_Zone을 생성하여, 대표노드가 해당 지역을 대표하여, 집계된 데이터를 전송하여 성능을 향상시켰다.
본 논문에서의 클러스터링 헤드 선출 과정은 기본 적인 구조는 AMC 알고리즘을 응용하여 설계하였다. 먼저 클러스터 하드를 선출하기 위해서는 R 라운드 마다 정보 교환이 실행하여 매 라운드마다 가장 높은 가중치를 가지는 노드를 Cluster_head로 선출하게 된다.
LEACH기법에서는 k값과 전체 네트워크의 노드의 개수인 N값을 이용하였지만 네트워크상에 클러스터의 헤드의 개수와 노드의 개수를 일반 노드가 확인할려면 전체 네트워크상에서 추가적으로 검색을 실시하게 된다. 이것은 추가적인 오버헤드를 유발하기 때문에 본 논문에서는 노드가 가지고 있는 정보만을 이용하여 Cluster_head로 선별한다. 노드의 클러스터헤드의 가중치 정보로는 AMC Hello패킷의 정보를 활용하며, hello메시지 패킷에서 활용할 수 있는 정보로는 Hop count와 노드 자신의 Weight 정보이다.
본 논문에서 제안한 방법의 성능을 검증하기 위해, 시뮬레이션을 실시하였다. 제안하는 다중홉 클러스터링 기법과 데이터집계기법은 노드의 밀집도 변화에 따른 결과를 얻기 위해, 밀집도를 20%부터 10%씩 증가시켜 90%까지 변화시켜며, 또한 제안하는 역추적 기법에서는 기존 연구들을 바탕으로 비교분석 하였다. 먼저, 노드들이 불균형적으로 분포된 상황에서, AMCH기법의 경우 밀집도 변화에 따른 네트워크의 수명 변화를 확인하기 위하여 시뮬레이션을 통해 노드들의 평균 수명을 확인하여 보았다.
클러스터링 기반 데이터 집계 방법을 이용하여 데이터를 집계하되, 클러스터링의 구조는 멀티홉 클러스터링 기반으로 하였으며, 집계를 위하여 Cluster_head 에서 데이터 집계 연산이 요청 메시지가 오면, 해당 노드는 주변에 다른 노드들에게 집계 요청 메시지를 전송함과 동시에 Cluster_head에게 자신의 집계데이터를 전송하여 즉시 집계 연산을 할 수 있도록 설계 하였다.

성능/효과

Hotspot_Zone영역을 노드 밀집도 계산을 통해서 Hotspot_Zone을 선정하며, Hotspot_Zone내에 에너지 잔여량이 높은 노드를 대표 노드로 선정하여 데이터 집계에 관한 요청이 들어오면 대표 노드의 집계된 데이터값만을 전송하여, 중복되는 정보의 수를 최대한 줄여 노도의 불필요한 통신정보를 줄여 노드의 에너지 소비량을 줄였다.
그럼 해당 단말 노드는 Cluster_head와의 통신비용이 그만큼 늘어나는 단점을 가진다. 기존연구에서는 적절한 클러스터 헤드의 비율 값을 5%로 추천하고 있으므로, 본 논문에서 마찬가지로 5%를 지향하며, 홉 거리는 k값이 5%이고 전체 노드의 개수가 100이면 하나의 클러스터 영역의 평균 노드의 개수가 N_average가 20개가 될 것이다. 또한 Cluster_head에 가중치가 높다면 노드가 밀집되어 있을 확률이 높기 때문에 식(4)을 통해 최대 홉 수를 지정을 하여 클러스터를 형성한다.
이것은 밀집된 지역에 분포되어 있는 대기 노드들의 에너지 소비를 감소 시켜 노드들의 평균 수명을 증가 시키는 것을 확인할 수가 있다. 데이터집계 성능 평가 부분에서는 노드의 밀집도에 따른 클러스터헤드에서의 전력 소비량을 측정하였으며, 집계를 하고자하는 클러스터 헤드의 전력 소비량을 확인 하였을때 그림 13과 같이 제안된 기법이 기존의 HDA에 비해서 일집도가 높을 수록 전력소비량이 급속하게 감소하는 것으로 나타나고 있다.
그림 11에서와 같이 AMCH기법에서는 노드들의 밀집도가 증가함에 따라 노드들의 평균 수명이 근소하게 감소를 확인 할 수 있었다. 이와 비교하기 위해 본 논문에서 제안하는 방법에서도 노드의 평균 수명을 측정하여 보았는데, 그림 12에서는 노드의 밀집도가 증가함에 따라 노드의 평균 수명이 길어짐을 확인 할 수 있었다.
노드가 균등분포가 되어있었을 경우 AMCH기법보다 노드의 평균 수명을 낮은걸 확인할 수 있는데 이것은 클러스터 헤드를 선정시에 Hotspot_Zone을 설정하는 통신 비용으로 인하여 평균 수명이 더 낮은걸 확인할 수 있다. 하지만 밀집도가 점차적으로 증가되면서 AMCH기법보다 본 논문에서 제안하는 기법의 노드 평균수명이 더 증가 되는 것을 확인할 수 있다. 이것은 밀집된 지역에 분포되어 있는 대기 노드들의 에너지 소비를 감소 시켜 노드들의 평균 수명을 증가 시키는 것을 확인할 수가 있다.

후속연구

노드의 클러스터헤드의 가중치 정보로는 AMC Hello패킷의 정보를 활용하며, hello메시지 패킷에서 활용할 수 있는 정보로는 Hop count와 노드 자신의 Weight 정보이다. 또한 노드의 현재 사용 가능한 에너지 잔여량을 추가적으로 가중치 정보로 활용하게 된다. 만약 노드가 해당 다운드에서 가장 큰 가중치 값을 가지게 된다면 해당 노드는 해당 라운드의 Cluster_head된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	On-demand 방식의 대표적인 라우팅 프로토콜에는 무엇이 있는가?	On-demand 방식의 대표적인 라우팅 프로토콜로는 DSR과 AODV 방식이 있다.
	Table-driven 방식의 문제점은 무엇인가?	이 과정을 통해 각 노드들은 자신의 라우팅 정보를 변경하여 항상 최신의 라우팅 정보를 유지하며, 데이터 전송 시에는 경로 탐색을 위한 지연 없이 유지하고 있는 라우팅 정보를 바탕으로 최적의 경로를 찾아낼 수 있다. 그러나 네트워크 위상의 변화에 따라 변경된 라우팅 정보도 방송되고 갱신되어야 하므로 위상 변화가 자주 발생할 경우에는 오버헤드가 발생한다.
	Ad hoc 네트워크는 무엇인가?	Ad hoc 네트워크는 Infra structureless 네트워크의 한 종류로서, 기존유선 네트워크 환경에서 제공하는 통신 인프라의 지원을 받을 수 없는 곳에서 이동 단말기 간의 라우팅 절차만으로 데이터의 송수신을 수행하는 무선 네트워크를 뜻한다. 자연 재해, 전시 상황과 같이 기반 시설이 없는 환경이나 기지국, AP 등의 고장으로 인해 유선 네트워크와의 단절이 발생한 경우에도 이동단말기 자신이 단말의 기능 뿐 아니라 라우터, 서버의 역할도 수행한다.

참고문헌 (8)

K. Du, J. Wu, and D. Zhou, "Chain-based Protocols for Data Broadcasting and Gathering in Sensor Networks", Int'l. Parallel and Distributed Processing Symp., 2003.
W. R. Heinzelman, "Application-Specific Protocol Architectures for Wireless Network", Ph.D. thesis, Massachusetts Institute of Technology, 2000.
O. Younis and S. Fahmy, "HEED: a Hybrid, Energy-Efficient, Distributed Clustering Approach for Ad Hoc Sensor network", IEEE Trans. Mobile Computing, Vol. 3, No. 4, pp. 366-379, 2004.
S. Madden, M. J. Franklin, and J. M. Hellerstein, W. Hong, "TAG: A Tiny Aggregation Service for Ad hoc Sensor Network", ACM SIGOPS Operating System Review, Vol. 36, pp. 131-146, 2002.
Y. Wang, H. Chen, X. Yang, and D. Zhang, "WACHM : Weight based adaptive Clustering for large scale heterogeneous MANET", InProc. of Communications and Information Technologys, pp. 936-941, Oct. 2007.
Y. Wu, and W. Wang, "MEACA : Mobility and Energy Aware Clustering Algorithm for Constructing Stable MANETs", In Proc. of IEEE MILCOM, pp. 1-7, Oct.2006.
H. Choi. S. Zhu, T. F. La Forta, "SET: Detecting Node Clones in Sensor Networks", In Proc. of IEEE 3rd IntelConf. on Security and Privacy in communication Networks. 2007
Jeong Sam Kim. "Density Based Clustering Scheme for Wireless Sensor Network", KyungBuk National Univwrsity. 2010.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

무선네트워크 상에서의 침입탐지 에이전트 설계
Intrusion detection agents on the wireless network design 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

무선네트워크 상에서의 침입탐지 에이전트 설계 Intrusion detection agents on the wireless network design 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

윤동식 (11)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

무선네트워크 상에서의 침입탐지 에이전트 설계
Intrusion detection agents on the wireless network design 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper