[논문]딥러닝 기술이 가지는 보안 문제점에 대한 분석

최희식; 조양현

doi:10.15207/jkcs.2019.10.5.009

초록
AI-Helper

본 논문에서는 딥러닝 기술이 인터넷과 연결된 다양한 비즈니스 분야에 새로운 형태의 비즈니스 업무에 활용할 수 있도록 보안에 관한 문제점을 분석하고자 한다. 우선 딥러닝이 비즈니스 영역에 보안 업무를 충분히 수행하기 위해서는 많은 데이터를 가지고 반복적인 학습을 필요하게 된다. 본 논문에서 딥러닝이 안정적인 비즈니스 보안 업무를 완벽하게 수행할 수 있는 학습적 능력을 얻기 위해서는 비정상 IP패킷에 대한 탐지 능력과 정상적인 소프트웨어와 악성코드를 탑재하여 감염 의도를 가지고 접근하는 공격을 탐지해낼 수 있는 인지 능력을 갖추고 있는지를 분석하였다. 이에 본 논문에서는 인공지능의 딥러닝 기술이 시스템에 접근하여 문제의 비즈니스 모델을 안정적으로 수행할 수 있게 하기 위해서는 시스템내의 비정상 데이터를 추출해 내고 시스템 데이터 침해를 구분해 낼 수 있는 수학적 역할의 문제점을 보완하기 위해 새로운 IP에 대한 세션 및 로그 분석을 수행할 수 있도록 보안 엔진이 탑재된 딥러닝 기술을 개발하여 비즈니스 모델에 적용시켜서 취약점을 제거하여 비즈니스 업무 능력을 향상시키도록 문제적 방안을 비교 분석하였다.

Abstract ▼ AI-Helper

In this paper, it will analyze security problems, so technology's potential can apply to business security area. First, in order to deep learning do security tasks sufficiently in the business area, deep learning requires repetitive learning with large amounts of data. In this paper, to acquire lear...

In this paper, it will analyze security problems, so technology's potential can apply to business security area. First, in order to deep learning do security tasks sufficiently in the business area, deep learning requires repetitive learning with large amounts of data. In this paper, to acquire learning ability to do stable business tasks, it must detect abnormal IP packets and attack such as normal software with malicious code. Therefore, this paper will analyze whether deep learning has the cognitive ability to detect various attack. In this paper, to deep learning to reach the system and reliably execute the business model which has problem, this paper will develop deep learning technology which is equipped with security engine to analyze new IP about Session and do log analysis and solve the problem of mathematical role which can extract abnormal data and distinguish infringement of system data. Then it will apply to business model to drop the vulnerability and improve the business performance.

주제어

표/그림 (6)

그림 Fig. 1. Pattern Learning Process
표 Table 1. Artificial Intelligence Service[9]
그림 Fig. 2. Deep Learning Model
그림 Fig. 3. Data Processing of Large Deep Learning Model[13]
표 Table 2. Problems of Existing Security Model
표 Table 3. Improvement of Existing Security Solution

AI 본문요약
AI-Helper

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

문제 정의

딥러닝 기술을 통해 훈련시켜야 하는 가중치들이 모인 곳을 은닉계층 (Hidden Layer)이라고 한다. 딥러닝의 최종 목적은, 테스트 데이터(Test Set)를 인공신경망에 통과시켜서 원하는 결과(Output)를 얻는 것이다. 딥러닝에서는 은닉계층에 가중치를 훈련용 데이터(Training Set)를 이용하여 훈련(Training) 시키게 된다.
기본적으로 일반적인 보안 업무 중 하나는 새로 다운로드 하거나 설치한 애플리케이션이 악성인지를 판단하는 것인데, 전통적인 접근방식은 기본 전문가 시스템으로 애플리케이션의 서명과 알려진 악성코드의 서명이 일치하는지 판단하게 된다. 딥러닝이 가지고 있는 인공지능의 학습적 응용 기술을 다양한 업무에 대한 보안 기능을 탑재하여 적용시킬 수 있는 가능성 타당여부를 살펴본다.
본 논문에서 딥러닝 기술의 보안 문제점을 통해 다양한 비즈니스 모델에서 적용 가능도록 IP 탐지 능력 및 시스템의 취약점을 인지하거나 시스템 소프트웨어의 오류 등의 문제점을 찾아내 이 후 진행되는 프로세스에 대처 할 수 있는 능력을 보유하고 있는지에 대한 다양한 사례검토를 통해 기술적 문제점에 대한 구체적 방안을 제시하였다.
앞으로 딥러닝을 활용한 비즈니스 영역의 보안 서비스는 새로운 경쟁력으로 4차 산업의 핵심에서 여러 비즈니스 모델에 활용될 것으로 전망하고 있다. 본 논문에서는 지금까지 살펴본 딥러닝 학습 프로세스 모델이 보안이라는 특수한 임무를 제대로 수행하고 효과적으로 실효를 얻기 위해서는 기존 자료의 정확한 데이터 분석과 보안의 문제점이 무엇이었나에 대한 부분과 보안의 수행 역할에 있어서 오류 탐지율에 대한 분석이 제대로 이루어졌는지에 대한 부분이다. 또한 비즈니스 모델에 딥러닝 기술의 보안 알고리즘을 좀 더 효과적으로 적용시키기 위해서는 기존 자료의 정확한 데이터 제공과 분석, 그리고 적용할 데이터의 양이 방대할수록 정확한 예측 대안을 찾을 수 있는지에 대한 부분이 중요한 핵심 요소가 될 것이다.
4차 산업 시대가 도래된 현재, 딥러닝 기술 등장으로 인해 다양한 비즈니스 영역에 그 활용 가치가 더 광범위해졌으며 보안의 중요성과 함께 그 능력의 기대 또한 커지게 되었다. 본 논문을 통해 인공지능이 가지고 있는 추론 능력을 보안에 적용하여 기존 프로그래밍 방식을 벗어나서 스스로가 비인가 된 접근자의 위협과 보안 취약점, 침입 의도를 가진 네트워크 IP 패킷을 딥러닝 기술 스스로가 분석하여 구별해 낼 수 있는 추론 능력을 보유하여 보안 업무를 수행할 수 있도록 하는 것이 핵심적 과제였다.
본 논문에서는 인공지능 기술의 하나인 딥러닝 기술이 인터넷과 연결된 다양한 비즈니스 분야에 새로운 형태의 친화적 서비스를 업무적으로 잘 활용할 것이라는 기대를 가지고 있다. 특히, 딥러닝과 같은 인공지능의 핵심 기술은 사용자가 손쉽게 원하는 지식을 대화하면서 원하는 학습 방향으로 유도하며 정보를 획득하고 의사소통할 수 있도록 되어있기 때문에 그 가능성을 비즈니스 업무의 특수한 영역인 보안 업무에 활용할 수 있도록 타당성을 검토하여 문제점을 도출해 내고자 한다. 이러한 역할의 딥러닝이 경쟁력과 충분한 가능성을 갖추고 있다면 이를 잘 훈련시키어 IT 업계 보안 시스템에 적용시킬 경우에는 기존 보안시스템에 문제점과 비용적인 측면을 고려해 볼 때에 충분한 경쟁력이 확보될 것으로 예상하고 있다[1].

성능/효과

딥러닝은 관찰 가능한 모든 위협 환경을 학습할 수 있는 확장형 탐지 모델을 제공하게 된다. 또한 기존에 처리되어 수집된 수억 개의 샘플데이터를 활용하여 학습 데이터로 사용할 수 있어 기존 전통적인 머신러닝이 가지고 있는 오류 탐지율과 속도가 느린 것에 비하면 빠른 속도로 더욱 정확한 예측이 가능한 경쟁력을 가질 수 있다. 물론, 제공되고 있는 기존 데이터가 얼마만큼의 신뢰하고 정확한 제공한 데이터가 딥러닝 보안 모델에 제공되는가에 따라 위험 탐지에 대한 정확성이 고려되고 신뢰할 수 있는 규칙과 패턴을 정할 수 있는 품질의 척도가 달라지는 변수가 있음을 고려해야 한다.

후속연구

본 논문에서는 지금까지 살펴본 딥러닝 학습 프로세스 모델이 보안이라는 특수한 임무를 제대로 수행하고 효과적으로 실효를 얻기 위해서는 기존 자료의 정확한 데이터 분석과 보안의 문제점이 무엇이었나에 대한 부분과 보안의 수행 역할에 있어서 오류 탐지율에 대한 분석이 제대로 이루어졌는지에 대한 부분이다. 또한 비즈니스 모델에 딥러닝 기술의 보안 알고리즘을 좀 더 효과적으로 적용시키기 위해서는 기존 자료의 정확한 데이터 제공과 분석, 그리고 적용할 데이터의 양이 방대할수록 정확한 예측 대안을 찾을 수 있는지에 대한 부분이 중요한 핵심 요소가 될 것이다.
인공지능의 활용은 인공지능의 핵심기술의 하나인 딥러닝이라 하는 인공신경망 기반의 기술로 어떠한 데이터가 있을 때 이를 컴퓨터가 알아들을 수 있는 명령 중심으로 학습을 통해 적용하도록 되어있으며 학습 후, 목적에 부합된 특수한 영역에 활용될 수 있는 알고리즘 형태의 기계학습이다. 본 논문에서는 인공지능 기술의 하나인 딥러닝 기술이 인터넷과 연결된 다양한 비즈니스 분야에 새로운 형태의 친화적 서비스를 업무적으로 잘 활용할 것이라는 기대를 가지고 있다. 특히, 딥러닝과 같은 인공지능의 핵심 기술은 사용자가 손쉽게 원하는 지식을 대화하면서 원하는 학습 방향으로 유도하며 정보를 획득하고 의사소통할 수 있도록 되어있기 때문에 그 가능성을 비즈니스 업무의 특수한 영역인 보안 업무에 활용할 수 있도록 타당성을 검토하여 문제점을 도출해 내고자 한다.
즉, 인공지능을 기반으로 하는 새로운 분야의 딥러닝과 같은 기술은 이미 선진국의 구글, MS, 아마존과 같은 기업에서 클라우드 기반과 빅데이터 기반으로 이를 접목한 연구와 적용이 활발히 진행되고 있다. 앞으로 딥러닝을 활용한 비즈니스 영역의 보안 서비스는 새로운 경쟁력으로 4차 산업의 핵심에서 여러 비즈니스 모델에 활용될 것으로 전망하고 있다. 본 논문에서는 지금까지 살펴본 딥러닝 학습 프로세스 모델이 보안이라는 특수한 임무를 제대로 수행하고 효과적으로 실효를 얻기 위해서는 기존 자료의 정확한 데이터 분석과 보안의 문제점이 무엇이었나에 대한 부분과 보안의 수행 역할에 있어서 오류 탐지율에 대한 분석이 제대로 이루어졌는지에 대한 부분이다.
하지만 보안 시스템의 취약한 부분과 소프트웨어의 특정한 부분에 오류를 파악하기란 쉽지 않다. 하지만 정상적인 데이터에 오류 코드 삽입 및 사용 시간대가 저조한 심야, 대량 데이터의 연산 및 추출, 로컬 IP, 해외 IP 접근, 의심되는 멀웨어악성 코드 삽입 후 시스템 접근 등 위협을 통한 다양한 방식으로 시스템에 접근하고 이에 대한 유형을 분석하고 대처할 수 있는 패턴 학습을 익혀 나가게 된다면 시스템 운용에 따른 보안 사고는 현저히 줄어들 것으로 예측한다. 또한, 시뮬레이션을 통해 시스템 운용에 따른 위협적 취약한 부분이 발견 된다면 관리자에게 메시지로 통지하고, 취약한 부분을 제거하고, 보안 수행 기능을 더욱 강화시키는 사고 대응 인지 능력도 필요하다고 본다.
끝으로, 우리가 기대하는 딥러닝 기술은 앞으로 컴퓨터 시스템을 통해 여러 다양한 학습 가능 기대 효과를 넘어서 금융, 경영, 교육, 의료, IT 산업 분야 등 어느 비즈니스 분야를 총망라하여 활용할 수 있는 범위가 무궁무진하리고 예측되고 있다. 현재 적용 가능한 모든 산업 분야에 딥러닝 기술이 그 진가를 발휘하여 실효성을 거두기 위해서는 더욱더 정확하고 분석된 대량의 데이터를 도출하여 이를 적용할 수 있는 보안 관련 학습 모듈의 체계 구축과 대용량 범용 비즈니스 모델 기반의 보안 솔루션을 구축하는 것이 과제이다. 인공지능에 탑재된 딥러닝기술은 잠재력 있는 기술력으로 재평가 되고 있는 만큼 앞으로도 끊임없는 노력과 연구가 절실히 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	딥러닝이 보안 업무를 수행하기 위해서 무엇이 제공되어야 하는가?	또한, 머신러닝 알고리즘 설계가 미흡할 경우, 그 결과를 유용하게 활용할 수 없다. 즉, 다양한 비즈니스 환경에서 비정상 탐지에 대한 추론을 스스로 익힐 수 있도록 충분한 실험적 데이터 접근을 통한 학습 환경이 제공되어야만 한다.
	딥러닝의 최종 목적은 무엇인가?	딥러닝 기술을 통해 훈련시켜야 하는 가중치들이 모인 곳을 은닉계층 (Hidden Layer)이라고 한다. 딥러닝의 최종 목적은, 테스트 데이터(Test Set)를 인공신경망에 통과시켜서 원하는 결과(Output)를 얻는 것이다. 딥러닝에서는 은닉계층에 가중치를 훈련용 데이터(Training Set)를 이용하여 훈련(Training) 시키게 된다.
	딥러닝이란 무엇인가?	딥러닝은 어떠한 문제 처리를 사람이 직접 지시하지 않아도 데이터를 통해 컴퓨터가 패턴 인식 문제 또는 특징적 학습을 하여 그것을 스스로 처리하고 해결할 수 있도록 하는 기계학습 기술이다. 이는 실제 인간의 뇌가 뉴런들 간의 연결이 매우 깊은(deep) 구조를 가지고 있다는 점에서 보다 진보된 학습과 추론에 대한 인공지능 기술이라 정의할 수 있다[2].

참고문헌 (15)

M. R. Choi. (2017), Artifical Intelligence Technology based on Natural Language Processing, Telecommunications Technology Association, (36), 33-37
S. E. Moon, S. B. Jang, J. H. Lee & J. S. Lee. (2016), Machine Learning and Deep Learning Technology Trends, Information and Telecommunication, 49-56
Y. H. Shin, J. S. Yun, S. H. Seo & J. M. Chung. (2017). Deployment of Network Resources for Enhancement of Disaster Response Capabilities with Deep Learning and Augmented Reality, JICS, 18(5), 69-77 DOI 10.7472/jksii.2017.18.5.69.

원문보기 상세보기
J. S. Yun, K. Y. Kim, Y. C. Jung, H. S. Oh & D. J. Seo. (2017). Development of Deep Learning Technologies and Applications for the Information Extraction of S&T Open Texts, Korea Institute of Science and Technology Information , 1711042891, 1-43
H. Y. Choi & Y. H. Min. (2015), Intorduction to Deep Learning and Major Issues, Korea Information Proccessing Society, 22(1), 7-21
K. Maria. (2016. 11. 10). Security Solution with Machine Learning. CIO Center Article, http://www.ciokorea.com/t/21990/%EC%95%85%EC%84%B1%EC%BD%94%EB%93%9C/31931#csidx734eda637286190876b5fbcd63a16cd
K. Maria. (2016. 11. 10). Security Solution with Machine Learning. CIO Center Article, http://www.ciokorea.com/t/21990/%EC%95%85%EC%84%B1%EC%BD%94%EB%93%9C/31931#csidx68a1b7c636c6fd6b63e1e9482b31a7d
P. S. Kang & J. H. Kim. (2014. 7. 31). What is Deeep Learning, http://www.bloter.net/archives/201445
J. Y. Kim and T. W. Lee, (2016). A Study on the Development of Smart Education Using Deep Learning Algorithm, Korea Computer Information Association, 24(2), 169-171
K. Maria. (2016. 11. 10). CIO Center Article, http://www.ciokorea.com/t/21990/%EC%95%85%EC%84%B1%EC%BD%94%EB%93%9C/31931#csidxbd14f7f63ec4ddfa75a2c452de87a2e
P. S. Kang & J. H. Kim. (2014. 7. 31). What is Deeep Learning, http://www.bloter.net/archives/201445
J. W. Kim, H. A. Pyo, J. W. Ha, C. K. Lee & J. H. Kim. (2015). Utilizing various Deep Learning Algorithms, Electronics and Telecommunications Research Institute, 25-31
S. Y. Ahn & Y. M. Park & E. J. Lim & W. Choi. (2017), Trends on Distributed Frameworks for Deep Learning, Electronics and Telecommunications Trends, 31(3), 131-141
NVIDIA KOREA Center. (2018. 1. 16). Computered Unified Deviced Architecture.http://blogs.nvidia.co.kr/2018/01/16/cuda-toolkit/
ETRI. (2016). Trends on Distributed Frameworks for Deep Learning, ETRI Article, https://ettrends.etri.re.kr/ettrends/159/0905002137/0905002137.html

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

딥러닝 기술이 가지는 보안 문제점에 대한 분석
Analysis of Security Problems of Deep Learning Technology 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper

문제 정의

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

딥러닝 기술이 가지는 보안 문제점에 대한 분석 Analysis of Security Problems of Deep Learning Technology 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

최희식 (11) 조양현 (43)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

딥러닝 기술이 가지는 보안 문제점에 대한 분석
Analysis of Security Problems of Deep Learning Technology 원문보기

초록
AI-Helper

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper