[논문]네트워크 공격 탐지 성능향상을 위한 딥러닝을 이용한 트래픽 데이터 생성 연구

이우호; 함재균; 정현미; 정기문

doi:10.15207/jkcs.2019.10.11.001

네트워크 공격 탐지 성능향상을 위한 딥러닝을 이용한 트래픽 데이터 생성 연구
Traffic Data Generation Technique for Improving Network Attack Detection Using Deep Learning 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.10 no.11, 2019년, pp.1 - 7

이우호 (전남대학교 정보보안협동과정) , 함재균 (한국과학기술정보연구원 슈퍼컴퓨팅본부) , 정현미 (한국과학기술정보연구원 슈퍼컴퓨팅본부) , 정기문 (한국과학기술정보연구원 슈퍼컴퓨팅본부)

초록
AI-Helper

네트워크 공격을 탐지하기 위하여 기계학습을 이용한 다양한 연구가 최근 급격히 증가하고 있다. 이러한 기계학습 방법은 많은 데이터에 의존적이며 연구를 위해 다양한 실험 데이터가 공개되어 사용되고 있다. 하지만 실험 데이터 및 실제 환경에서 수집되는 데이터는 class간의 수량이 불균형하다는 문제점을 가지고 있다. 본 연구에서는 기계 학습을 이용한 침입탐지시스템의 한계점 중 학습데이터의 class간 불균형으로 인한 분류 성능 저하를 해결하기 위한 방법을 제안한다. 이를 위해 네트워크 트래픽 데이터를 처리하고 seqGAN를 이용하여 부족한 데이터를 생성하였다. 제안된 방법은 NSL-KDD, UNSW-NB15 데이터 셋을 대상으로 Text-CNN을 이용하여 분류하는 테스트를 실행한 결과 정밀도가 향상되는 것을 확인할 수 있었다.

Abstract ▼ AI-Helper

Recently, various approaches to detect network attacks using machine learning have been studied and are being applied to detect new attacks and to increase precision. However, the machine learning method is dependent on feature extraction and takes a long time and complexity. It also has limitation of performace due to learning data imbalance. In this study, we propose a method to solve the degradation of classification performance due to imbalance of learning data among the limit points of detection system. To do this, we generate data using Generative Adversarial Networks (GANs) and propose a classification method using Convolutional Neural Networks (CNNs). Through this approach, we can confirm that the accuracy is improved when applied to the NSL-KDD and UNSW-NB15 datasets.

주제어

표/그림 (11)

표 Table 1. NLL-KDD Data set distribution
그림 Fig. 1. Packet Data Preprocessing Process
표 Table 2. UNSW-NB15 Data set distribution
그림 Fig. 2. Architecture of seqGAN
그림 Fig. 3. Algorithm of seqGAN
표 Table 3. NSL-KDD Data set distribution(Actual data and Gan applied data)
표 Table 4. UNSW-NB15 Data set distribution(Actual data and Gan applied data)
그림 Fig. 4. Architecture of Text-CNN
그림 Fig. 5. NSL-KDD Precision Comparison
표 Table 5. Experimental result of Two datasets
그림 Fig. 6. UNSW-NB15 Precision Comparison

AI 본문요약
AI-Helper

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

문제 정의

다음으로 네트워크 침입 탐지 연구분야에서 많이 사용되고 있는 NSL-KDD[4], UNSW-NB15[8]에 대해서 알아본다.
본 논문에서는 네트워크 트래픽 데이터를 이용하여 minor class에 대한 유사 데이터를 생성하는 oversampling방법을 제안한다. 먼저 네트워크 트래픽 원천 데이터인 pcap 파일에 대하여 DPI 기반 분석을 위하여 IP, Serivice protocol, payload 등을 추출하여 딥러닝 알고리즘에 잘 적용될 수 있도록 Vector화 과정을 거친다.
본 논문에서는 딥러닝 기술 중의 하나인 seqGAN[7]을 이용하여 침입탐지 연구를 위해 사용되는 데이터 셋의 불균형 문제를 해결하고자 한다. 이를 위해서 pcap 형태로 되어있는 네트워크 원본 데이터 셋에서 분석하고자 하는 데이터를 추출하여 seqGAN에 입력할 수 있는 형태로 변환하는 것이 과정이 필요하다.
불균형한 데이터 셋의 한계를 극복하기 위하여 본 연구에서는 딥러닝 기법중의 하나인 SeqGAN을 이용하여 유사 데이터를 생성하는 방법을 제안하였다.

제안 방법

seqGAN 알고리즘을 이용하여 생성되는 데이터는 생성기의 loss 값은 0.98이상 1.0이하로 설정하고, 분류기 loss 값은 0 이상 0.1이하 수치의 트래픽만을 구분하여 생성하도록 하였다.
다음으로 각 데이터 셋의 영역별로 자세히 비교를 실했다. 침입탐지에서 중요한 부분은 오탐율을 낮추는 것이 기에 실험 결과값 중 Precision 값만을 적용하였다.
다음으로 생성된 데이터가 포함된 데이터 셋의 성능을 확인하기 위하여 딥러닝 분류 알고리즘을 적용하여 똑같은 환경에서 데이터 생성 이전과 이후의 정확성 등 성능을 확인하는 실험을 진행하였다.
제안하는 방법은 네트워크 트래픽 pcap 파일에 대하여 DPI 기반 분석을 위해 IP, Service protocol, payload를 기준으로 하여 특성을 추출하여 분류를 하였다. 또한 데이터 생성에 대한 효율성을 유지하기 위해 충분한 정보를 유지하는 데이터 전처리 방법을 설계했다. 제안하는 방법을 통해 기존의 데이터 셋의 유사트래픽을 추가하여 데이터 불균형 문제를 감소함으로써 정밀성을 향상시키기 위한 실험을 진행하였다.
본 논문에서는 네트워크 트래픽 데이터를 이용하여 minor class에 대한 유사 데이터를 생성하는 oversampling방법을 제안한다. 먼저 네트워크 트래픽 원천 데이터인 pcap 파일에 대하여 DPI 기반 분석을 위하여 IP, Serivice protocol, payload 등을 추출하여 딥러닝 알고리즘에 잘 적용될 수 있도록 Vector화 과정을 거친다. 이후 도출된 트래픽 Vector 데이터는 seqGAN 알고리즘을 이용하여 원본 데이터와 유사한 데이터를 생성하게 된다.
또한 잡음의 영향을 없애기 위해 word embedding mapping을 수행하기 전에 payload를 필터링 한다. 먼저 학습 데이터 셋에서 다양한 word frequency를 계산한 다음 high frequency word를 기반으로 사전을 생성하여 payload를 필터링한다. 이러한 전처리를 단계를 거친 데이터는 각 트래픽별로 vector화 된다.
본 장에서는 3장에서 제안한 방법으로 NSL-KDD 데이터 셋과 UNSW-NB15 데이터 셋의 정상 데이터 대비 양적으로 불균형이 심한 데이터를 일부 생성하여 딥러닝 분류 알고리즘을 적용하였을 때 정확성 및 정밀성 등이 얼마나 향상되는지 알아본다.
원본 데이터의 경우 데이터 셋의 16%를 테스트 데이터로 활용하였고 나머지는 학습 데이터로 실험하였다. 생성된 데이터를 추가하여 유사 트래픽을 생성한 데이터 셋의 경우 학습 데이터와 테스트 데이터의 비율을 각각 70:30으로 분류하였다.
제안하는 방법은 네트워크 트래픽 pcap 파일에 대하여 DPI 기반 분석을 위해 IP, Service protocol, payload를 기준으로 하여 특성을 추출하여 분류를 하였다. 또한 데이터 생성에 대한 효율성을 유지하기 위해 충분한 정보를 유지하는 데이터 전처리 방법을 설계했다.
또한 데이터 생성에 대한 효율성을 유지하기 위해 충분한 정보를 유지하는 데이터 전처리 방법을 설계했다. 제안하는 방법을 통해 기존의 데이터 셋의 유사트래픽을 추가하여 데이터 불균형 문제를 감소함으로써 정밀성을 향상시키기 위한 실험을 진행하였다.
제안한 방법으로 NSL-KDD의 학습데이터에서 양이 충분하지 않은 miniority class인 Probe, R2L, U2R class의 데이터를 생성시켰다. UNSW-NB15 학습데이터서는 Analysis, Backdoor, Shellcode, Worm class의 데이터를 생성시켰다.
준비된 두 개의 데이터 셋의 분류 성능을 평가하기 위하여 실제 데이터와 제안된 방법으로 생성된 데이터 각각에 대하여 총 10번을 반복하여 실험하였다. 반복 시행한 실험 결과에 대해서 각각 Precision, Recall, F1-score, Accuracy 값을 산출하여 산술 평균한 값은 Table 5에서 확인할 수 있다.

대상 데이터

실험 환경은 windows10 64비트 OS가 설치된 서버이며, 서버의 사양은 8코어 및 16GB 메모리, I7-6770 CPU@3.40GHz이다. GeForce mini GTX 1060 6GB GPU가 가속기로 사용되었다.
GeForce mini GTX 1060 6GB GPU가 가속기로 사용되었다. 원본 데이터의 경우 데이터 셋의 16%를 테스트 데이터로 활용하였고 나머지는 학습 데이터로 실험하였다. 생성된 데이터를 추가하여 유사 트래픽을 생성한 데이터 셋의 경우 학습 데이터와 테스트 데이터의 비율을 각각 70:30으로 분류하였다.

이론/모형

따라서 tanh를 이용하여 vector로 변환하고 Gaussian Mixture Model(GMM)[16]을 이용하여 데이터를 군집화 한다. GMM은 Gaussian 분포가 여러 개 혼합된 clustering 알고리즘으로 Feature의 데이터 정규화 과정을 거친 값을 바탕으로 공변량과 최빈값(mode)의 평균값을 이용하여 multivatirate gaussian 분포를 구한다.
본 논문에서는 sequential한 형태의 데이터에 적합한 딥러닝 분류 알고리즘으로 Text-CNN[17] 알고리즘을 선택하여 적용한다.
다음으로 각 데이터 셋의 영역별로 자세히 비교를 실했다. 침입탐지에서 중요한 부분은 오탐율을 낮추는 것이 기에 실험 결과값 중 Precision 값만을 적용하였다.

성능/효과

6은 UNSW-NB15에 데이터 셋에 대한 분류 실험이다. NSL-KDD 데이터 셋과 유사하게 생성된 데이터가 적용된 minor class( Analysis, Backdoor, sheelcode, worm)의 Precision 값이 향상되는 것을 볼 수 있다.
제안된 방법으로 생성된 데이터가 포함된 데이터 셋을 이용할 경우 NSL-KDD 데이터 셋에서 Precision은 약 8%, Recall은 약 5%, F1-score는 약 7%, Accuracy 약 8%의 성능이 향상됨을 확인할 수 있었다. UNSW-NB15 데이터 셋은 약 2% ~ 3% 정도의 성능 향상을 보였다.
네트워크 침입탐지 연구에 주로 사용되는 NSL-KDD 데이터 셋과 UNSW-NB15[8] 데이터 셋에 대해서 본 논문에서 제안한 방법을 적용하여 데이터를 생성한 후 딥러닝 분류 알고리즘에 적용하였을 때 기존 데이터 셋에 비하여 정밀도가 약 7% 정도 향상되는 것을 확인할 수 있었다.
또한 제안한 방법으로 생성된 데이터를 적용할 경우, 생성된 데이터가 적용되지 않은 major class의 성능도 미미하지만 향상된 것을 확인할 수 있다.
실험결과 공격 트래픽의 희소성이 높을수록 정밀성이 평균 7% 정도 개선되는 것을 확인할 수 있었다. 본 접근 방법을 통해 기존의 딥러닝을 이용한 침입탐지시스템의 한계점인 데이터 불균형으로 인한 오탐율 개선에 기여할 수 있을 것으로 보인다.
제안된 방법으로 생성된 데이터가 포함된 데이터 셋을 이용할 경우 NSL-KDD 데이터 셋에서 Precision은 약 8%, Recall은 약 5%, F1-score는 약 7%, Accuracy 약 8%의 성능이 향상됨을 확인할 수 있었다. UNSW-NB15 데이터 셋은 약 2% ~ 3% 정도의 성능 향상을 보였다.
그 구성은 Table 2와 같다. 학습 데이터에서 shellcode, worms 등의 데이터 수가 정상(Normal) 데이터에 비해서 현저히 적은 것을 확인할 수 있다.

후속연구

실험결과 공격 트래픽의 희소성이 높을수록 정밀성이 평균 7% 정도 개선되는 것을 확인할 수 있었다. 본 접근 방법을 통해 기존의 딥러닝을 이용한 침입탐지시스템의 한계점인 데이터 불균형으로 인한 오탐율 개선에 기여할 수 있을 것으로 보인다.
마지막으로 SeqGAN을 이용했을 경우 트래픽의 특성에 대한 독립성을 고려하지 않고 생성함에 따라 각 특성의 상관관계에 대한 학습이 어렵다. 이를 해결하기 위한 GAN 방법에 대한 추가적인 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Wang K는 어떤 방법을 제안했나?	Wang K 등[1]은 비정상적인 행위를 탐지하기 위하여 payload 특징(feature)의 분포를 이용하여 분류하는 방법을 제안했다. Nigel Williams 등[2]은 payload에서 22개의 트래픽 특징을 추출하고 bayesian과 decision tree 알고리즘을 사용하여 데이터를 분류하는데 트래픽 특징의 통계적 수치를 이용하였다.
	침입탐지시스템은 무엇인가?	침입탐지시스템(Intrusion Detection Systems. IDS)은 네트워크 공격으로부터 내부 자원을 보호하는데 사용되는 시스템으로 최근 기계학습 및 딥러닝 기술을 적용하는 연구가 발전하고 있다.
	머신러닝 및 딥러닝 등 데이터 중심의 연구에 있어서 무엇이 가장 중요한가?	네트워크 침입탐지의 성능을 향상시키기 위해 최근 머신러닝 및 딥러닝 등 데이터를 중심으로 하는 연구가 증가하고 있다. 이러한 연구에 있어서 양질의 데이터의 중요성은 증가하고 있지만 연구를 위해 사용되는 많은 데이터는 항목별로 데이터가 불균형한 문제를 안고 있으며 이는 연구의 질을 향상시키는데 장애가 되고 있다.

참고문헌 (17)

K. Wang & S.J. Stolfo. (2004, September). Anomalous payload-based network intrusion detection. RAID. (pp. 203-222). Berlin : Springer.
N. Williams, S. Zander & G. Armitage. (2006). A preliminary performance comparison of five machine learning algorithms for practical IP traffic flow classification. ACM SIGCOMM Compute Commun, Rev, 36(5), 5-16.
UCI KDD Archive. (2005) kdd aRCHIVE. KDDcup99 dataset. KDD [Online]. https://kdd.ics.uci.edu/databases/kddcup99/task.html
L. Dhanabal & S. P. Shantharajah. (2015). A Study on NSL-KDD Dataset for Intrusion Detection System Based on Classification Algorithms. International Journal of Advanced Research in Computer and Engineering, 4(6), 446-452.
N. V. Chawla et al. (2002). SMOTE: synthetic minority over-sampling technique. Journal of artificial intelligence research. 16, 321-357.

상세보기
S. Hu et al. (2009). MSMOTE: Improving classification performance when training data is imbalanced. 2009 Second international workshop on computer science and engineering, (2, pp.13-17). IEEE.
L. Yu et al. (2017). Seqgan: Sequence generative adversarial nets with policy gradient. Thirty-First AAAI Conference on Artificial Intelligence.
N. Moustafa & J. Slay. (2015). UNSW-NB15: a comprehensive data set for network intrusion detection systems (UNSW-NB15 network data set). Military communications and information systems conference(MilCIS), IEEE.
B. Dong & X. Wang. (2016). Comparison deep learning method to traditional methods using for network intrusion detection. 2016 8th IEEE International Conference on Communication Software and Networks(ICCSN), (pp.581-585). IEEE.
M. Lopez-Martin, B. Carro, A. Sanchez-Esguevillas & J. Lloret. (2017). Network traffic classifier with convolutional and recurrent neural networks for internet of things. IEEE Access, 5, 18042-18050.

상세보기
R. K. Rahul et al. (2017). Deep learning for network flow analysis and malware classification. International Symposium on Security in Computing and Communication. Singapore : Springer.
T. Auld, A. W. Moore & S. F. Gull. (2007). Bayesian neural networks for internet traffic classification. IEEE Transactions on Neural Networks, 18(1), 223-239.

상세보기
W. WANG et al. (2017). Malware traffic classification using convolutional neural network for representation learning. 2017 International Conference on Information Networking(ICOIN), (pp. 712-717). IEEE.
T. Mikolov, K. Chen, G. Corrado & J. Dean. (2013). Efficient estimation of word representations in vector space. arXiv preprint.
V. Nair & G. E. Hinton (2010). Rectified linear units improve restricted boltzmann machines. Proceedings of the 27th International Conference on Machine Learning(ICML-10), (pp. 807-814).
Z. Zivkovic. (2004, August). Improved adaptive Gaussian mixture model for background subtraction. ICPR, (2, pp. 28-31), IEEE.
X. Zhang, J. Zhao & Y. LeCun. (2015). Character-level convolutional networks for text classification. Advances in neural information processing systems. (pp. 649-657).

저자의 다른 논문 :

LOADING...

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