$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

시계열 방사축과 원통좌표계를 이용한 네트워크 트래픽 공격 시각화
Visualization of network traffic attack using time series radial axis and cylindrical coordinate system 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.10 no.12, 2019년, pp.17 - 22  

장범환 (호원대학교 컴퓨터학부) ,  최윤성 (호원대학교 컴퓨터학부)

초록
AI-Helper 아이콘AI-Helper

네트워크 트래픽 세션 데이터를 이용한 공격 분석 및 시각화 방법들은 세션 데이터 내의 송신지 및 수신지 IP주소 및 연결관계를 시각화하여 네트워크 이상 현상들을 감시한다. 트래픽의 송수신 방향은 이상 현상을 탐지하는데 있어서 매우 중요한 특징이지만, 단순히 송신지와 수신지 IP주소를 좌·우 또는 상·하 대칭적으로 시각화하는 것은 분석을 난해하게 만드는 요소가 된다. 또한, 시계열적인 트래픽 세션들의 시간 특성을 고려하지 않고 시각화 인터페이스를 설계할 경우에는 시간별 보안 상황 정보가 손실되는 위험을 감수해야 한다. 본 논문에서는 방사축을 이용하여 시계열 트래픽 데이터를 시각화하고 IP주소를 네트워크 부분과 호스트 부분으로 분할 및 원통좌표계에 표출시켜 효과적으로 네트워크 공격을 감시할 수 있는 시각화 인터페이스와 분석 방법을 제안하고자 한다. 제안하는 방법은 네트워크 공격을 직관적으로 인지하고 공격 활동을 시간흐름에 따라 파악할 수 있는 장점을 가진다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Network attack analysis and visualization methods using network traffic session data detect network anomalies by visualizing the sender's and receiver's IP addresses and the relationship between them. The traffic flow is a critical feature in detecting anomalies, but simply visualizing the source an...

주제어

#네트워크 보안   #네트워크 트래픽 시각화   #네트워크 공격 감시   #보안관제  

표/그림 (10)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 시계열 방사축과 원통좌표계를 이용하여 네트워크 공격을 감시할 수 있는 시계열 트래픽 시각화 인터페이스를 설계하고 구현하였다. 네트워크 트래픽 데이터는 시간 방사축에 따라 원통좌표계 상에 호스트 점좌표들과 포트 점좌표들로 표출된다.
  • 본 논문에서는 트래픽의 시간요소 표현과 대칭평면 시각화 구조 문제를 해결하기 위해서 IP주소를 네트워크 부분과 호스트 부분으로 분할하고 방사축을 이용하여 시계열 트래픽 데이터를 원통좌표계에 표출시키는 네트워크 공격 감시를 위한 효과적인 시각화 인터페이스를 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
시계열 이벤트란 무엇인가? 시각적 표현에서 시계열 이벤트를 발생 순서대로 표시하는 것은 매우 중요하다. 시계열 이벤트는 일정 시간 간격 또는 시간 순서에 따라 정렬 배치되는 이벤트 데이터들의 수열을 말한다. 시계열 데이터는 시간에 따라 변경 내용이 측정되므로 미래 변경 내용을 예측할 수도 있고 과거 변화량을 추적·조회할 수도 있다[7,8].
시각적 표현에서 중요한 것은 무엇인가? 시각적 표현에서 시계열 이벤트를 발생 순서대로 표시하는 것은 매우 중요하다. 시계열 이벤트는 일정 시간 간격 또는 시간 순서에 따라 정렬 배치되는 이벤트 데이터들의 수열을 말한다.
네트워크 트래픽 세션 데이터를 이용한 공격 분석 및 시각화 방법들이 세션 데이터 내의 송신지 및 수신지 IP주소 및 연결관계를 시각화하여 네트워크 이상 현상들을 감시하는 이유는 무엇인가? 네트워크 트래픽 세션 데이터를 이용한 공격 분석 및 시각화 방법들은 세션 데이터 내의 송신지 및 수신지 IP주소 및 연결관계를 시각화하여 네트워크 이상 현상들을 감시한다[1-4]. 이는 공격을 포함한 네트워크 활동들이 송신지와 수신지간의 연결설정과 데이터를 송수신하는 행위이기 때문에 그 과정들을 시각적으로 표시함으로써 비정상적인 현상들을 효과적으로 감시할 수 있기 때문이다[5]. 하지만, 단순히 트래픽 세션의 송수신 방향을 이용하여 송신지와 수신지 IP주소를 좌ㆍ우 또는 상ㆍ하 대칭적으로 시각화할 경우에는 단일 방향에 따른 반사(reflection) 문제[6]가 생기고, 시계열적인 트래픽 세션들의 시간 요소는 고려하지 않고 시각화할 경우에는 시간(상황) 정보 손실 문제가 발생한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. E. L. Malecot, M. Kohara, Y. Hori & K. Sakurai. (2006, Nov.). Interactively Combining 2D and 3D Visualization for Network Traffic Monitoring. 3rd International Workshop on Visualization for Computer Security. (pp. 123-127). Alexandria, Virginia, USA. 

  2. A. Giani, I. G. D. Souza, V. Berk & G. CybenkoI. (2006, Oct.). Attribution and Aggregation of Network Flows for Security Analysis. 2006 CERT FloCon Workshop. (pp. 1-4). Vancouver, Washington, USA. 

  3. E. W. Bethel, S. Campbell, E. Dart, K. Stockinger & K. Wu. (2006, Oct.). Accelerating Network Traffic Analytics Using Query-Driven Visualization. 2006 IEEE Symposium on Visual Analytics Science and Technology. (pp. 115-122). Baltimore, MD. 

  4. R. Ball, G. Fink & C. North. (2004, Oct.), Home-Centric Visualization of Network Traffic for Security Administration. Workshop on Visualization and Data Mining for Computer Security. (pp. 55-64). Washington DC, USA. 

  5. B. H. Chang. (2012). A Method for Detection and Classification of Normal Server Activities and Attacks Composed of Similar Connection. Journal of the Korean Institute of Information Security and Cryptology, 22(6), 1315-1324. 

  6. B. H. Chang. (2016). Monitoring Network Security Situation Based on Flow Visualization. Convergence security journal, 16(5), 41-48. 

  7. S. W. Han. (2016). A Study on Periodic data visualization via Media Design Focusing on Periodic Mass Extinction. Doctoral dissertation. Seoul National Universisty, Seoul. 

  8. B. H. Chang. (2018). Monitoring and Tracking of Time Series Security Events using Visualization Interface with Multi-rotational and Radial Axis. Convergence security journal, 18(5), 33-43. 

  9. B. H. Chang. (2015). Network Attacks Visualization using a Port Role in Network Sessions. Journal of the Korea Society of Digital Industry and Information Management, 11(4), 47-60. 

    원문보기 상세보기 crossref

  10. CAIDA. (Accessed Nov. 5, 2018). FlowScan - Network Traffic Flow Visualization and Reporting Tool. [Online]. www.caida.org/tools/utilities/flowscan/ 

  11. K. Lakkaraju, W. Yurcik & A. J. Lee. (2004, Oct.). NVisionIP: Netflow Visualizations of System State for Security Situational Awareness. 2004 ACM Workshop on Visualization and Data Mining for Computer Security. (pp. 65-72). Washington, DC, USA. 

  12. X. Yin, W. Yurcik & A. Slagell. (2005, Mar.). The Design of VisFlowConnect-IP: A Link Analysis System for IP Security Situational Awareness. 3rd IEEE International Workshop on Information Assurance. (pp. 141-153). College Park, MD, USA. 

  13. T. Taylor, D. Paterson, J. Glanfield & et al. (2009, Mar.). FloVis: Flow visualization system. Cybersecurity Applications & Technology Conference For Homeland Security. (pp. 186-198). Washington, DC, USA. 

  14. C. Kintzel, J. Fuchs & F. Mansmann. (2011, July). Monitoring Large IP Spaces with ClockView. 8th International Symposium on Visualization for Cyber Security. (Article No.: 2, pp. 1-10). Pittsburgh, PA, USA. 

  15. T. Nunnally, K. Abdullah, A. Uluagac, J. Copeland & R. Beyah. (2013, Oct.). NAVSEC : A Recommender System for 3D Network Security Visualizations. Tenth Workshop on Visualization for Cyber Security. (pp. 41-48). Atlanta GA, USA. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로