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
- 그룹핑 모듈(FTG)에 입력으로 주어진 플로우가 어떤 프로토콜에 기반하고 있는지를 최대한 빠른 시간 내에 인식해야 하는 것이 프로토콜 인식 파트의 목적이다.
- 하지만 이런 경우 각 프로토콜에 의해 발생 된 트래픽 특성의 변화에 따라 공통 스트링의 발생빈도가 줄어들어 추출 효율의 문제가 발생 될 수 있으며 또한 발생빈도가 빈번한 프로토콜의 키워드가 시그니쳐로 추출 될 확률이 높아지는 문제가 있다. 따라서 본 논문에서는 이런 한계를 극복하기 위해 프로토콜 필터를 이용한 트래픽 그룹핑을 통해 하나의 응용에서 발생되는 다양한 프로토콜 별 응용 시그니쳐를 자동 생성 할 수 있는 페이로드 시그니쳐 자동생성 시스템을 제안한다. 또한 자동생성 시스템에 의해 생성된 시그니쳐와 수동생성 시그니쳐의 비교 및 프로토콜 필터를 적용 한 시그니쳐를 보임으로서 시스템의 타당성을 검증하고, 시그니쳐 추출 대상 트래픽을 다양화하여 시스템의 활용성을 높일 수 있는 방안을 제시한다.
- 이런 상황에서 하나의 응용에 대한 시그니쳐를 생성할 때 어떤 프로토콜을 사용하는지를 파악하고 이를 이용해 프로토콜 별로 정확한 시그니쳐를 생성하는 것은 시그니쳐 자동생성 시스템에서 피할 수 없는 조건이다. 따라서 본 장에서는 본 논문에서 제안한 페이로드 시그니쳐 자동생성 프레임 워크에 주요 부분인 프로토콜 필터의 정의 및 적용 방법에 대해 설명하고자 한다.
- 향후 연구로써는 더 많은 공개 프로토콜에 대한 확장된 필터를 적용하여 시스템의 실용성을 확보할 수있는 방법을 연구하고자 한다. 또한 LCS알고리즘의 입력에 대해 “similarity function”을 적용하여 생성 효율을 향상 시킬 수 있는 방법을 연구하고자 한다.
- 본 논문에서는 페이로드 시그니쳐의 수동 추출에 한계점을 극복하기 위해 프로토콜 필터 기반 페이로드 시그니쳐 자동 생성 시스템을 제안하고자 한다. 또한 이미 연구된 다양한 자동 생성 시스템들의한계점으로 지적할 수 있는 하나의 응용에서 다중 프로토콜 사용시 추출 효율 문제를 프로토콜 필터를 통해 극복할 수 있는 방법을 제안한다.
- 본 논문에서는 프로토콜 별 특징을 활용한 페이로드 시그니쳐 자동 생성 프레임 워크를 제안 하였다. 이를 통해 멀티 프로토콜을 사용하는 응용에 대한 시그니쳐 생성 성능을 향상시킬 수 있는 방법을 제시하였다.
- 본 장에서는 본 논문에서 제안한 페이로드 시그니쳐 자동 생성 시스템의 타당성을 증명하기 위해 수작업으로 추출한 시그니쳐와 자동 생성 시그니쳐와의 비교 및 프로토콜 필터를 적용하여 생성된 시그니쳐 생성하여 페이로드 시그니쳐 자동 생성 시스템의 타당성을 증명한다.
- 이런 기능을 바탕으로 SGE모듈과 함께 사용함으로서 시그니쳐 생성에서 제외된 플로우를 바탕으로 시그니쳐를 추가 생성할 수 있도록 하였다. 시그니쳐가 생성되지 않거나, 더 이상 시그니쳐를 생성할 플로우가 존재하지 않을 때까지 반복 수행하여 하나의 응용에서 추출 가능한 시그니쳐를 모두 생성해 낼 수 있게 하는데 목적이 있다. 또한 SGV 모듈과 함께 사용하여 여러 시그니쳐가 동일 플로우를 분석 할 경우 중복 분석되는 시그니쳐를 제거할 수 있도록 한다.
- 이 모듈은 위에서 언급한 다른 모듈과는 달리 추출의 목적이 아닌 생성된 시그니쳐의 검증에 목적을 두고 있다. 이를 위해 정답지 트래픽에서 자동생성 시스템에 의해 생성된 시그니쳐를 통해 얼마나 분석될 수있는 지를 확인할 수 있는 분석 보고서를 제공한다.
- 이 실험은 선행연구에서 제시된 자동 추출 시그니쳐와 본 논문에서 제안된 프로토콜 필터를 적용한 자동 생성 시그니쳐의 비교를 통해 프로토콜 필터를 적용한 자동 추출 시스템의 성능 향상 및 제안한 프로토콜 필터의 타당성을 보이기 위한 실험이다. Table 3은 제안한 시스템에 HTTP 프로토콜 필터를 적용한 결과를 선행연구의 결과 비교표이다.
- 이 실험은 전문가에 의해 추출된 응용의 시그니쳐와 자동 추출된 시그니쳐의 비교를 통해 자동 추출 시스템의 실용성을 검증했다. Table 2의 수동 추출에 의한 시그니쳐는 실제 트래픽 분석 장비에 사용되는 시그니쳐로 게임 사이트에 로그인할 때 발생되는 트래픽을 분석하여 추출한 시그니쳐이다.
- 이 모듈은 위에서 언급한 다른 모듈과는 달리 추출의 목적이 아닌 생성된 시그니쳐의 검증에 목적을 두고 있다. 이를 위해 정답지 트래픽에서 자동생성 시스템에 의해 생성된 시그니쳐를 통해 얼마나 분석될 수있는 지를 확인할 수 있는 분석 보고서를 제공한다. 보고서에는 분석율과 오분류율을 각각 Flow count, Packet count, Byte Size로 실제 값과 백분율로 표기한다.
- 본 논문에서는 프로토콜 별 특징을 활용한 페이로드 시그니쳐 자동 생성 프레임 워크를 제안 하였다. 이를 통해 멀티 프로토콜을 사용하는 응용에 대한 시그니쳐 생성 성능을 향상시킬 수 있는 방법을 제시하였다. 또한 LCS기반의 시그니쳐 자동 생성 시스템의 취약점인 계산복잡도 문제를 입력데이터의 크기를 최소화 함으로서 체감 속도를 높이는 방안을 제시 하였다.
- 반면에 제안 시스템의 시그니쳐의 경우 각 응용의 프로토콜별 시그니쳐의 생성을 통해 응용의 프로토콜별 트래픽 분석이 가능하고, HTTP 프로토콜 필터 적용을 통해 추출된 시그니쳐에 대해 HTTP Header 필드를 재조합함으로써 발생 부분을 명확하게 할 수 있었다. 이를 통해 실제 시그니쳐를 이용한 트래픽 분석에 시그니쳐 적용의 용이성 및 분석의 효율성을 가질 수 있도록 하였다. 마지막으로 추출 실험 결과 페이로드 기반 분석의 한계로 지적된 암호화 트래픽에서는 시그니쳐를 추출할 수 없었으며 이것은 트래픽 분석에 있어 단점으로 작용할 수 있다.
- 특징 분석 파트는 추출 모듈(SGE)의 입력을 최소화하여 추출 효율을 향상시키는 것에 목적이 있다.
- 이 문제는 실제로 시그니쳐를 생성할 때 대량의 트래픽을 순차적 입력으로 사용할 경우 최종 생성된 시그니쳐의 결과를 확인하는데 굉장히 많은 시간이 소요 되게 한다. 하지만 본 논문에서는 이 문제에 대해 성능을 향상 시킬 수 있는 방법을 프로토콜 필터에서 찾고자 한다. 프로토콜 필터를 적용할 경우 LCS의 입력으로 사용되는 트래픽에 대해 필터를 통해 시그니쳐 발생 확률이 낮은 부분을 제거하고 다시 필드 추출 과정을 거쳐 LCS의 입력으로 이용되는 데이터의 양을 줄여 시그니쳐의 확인을 빠르게 하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.