[논문]기계 학습을 활용한 보안 이상징후 식별 알고리즘 개발

황보현우; 김재경

doi:10.7838/jsebs.2022.27.1.001

기계 학습을 활용한 보안 이상징후 식별 알고리즘 개발
Development of Security Anomaly Detection Algorithms using Machine Learning 원문보기

한국전자거래학회지 = The Journal of Society for e-Business Studies, v.27 no.1, 2022년, pp.1 - 13

황보현우 (Hana Financial Group) , 김재경 (Department of Global IT Business, Hannam University)

초록
AI-Helper

인터넷, 모바일 등 네트워크 기술이 발전함에 따라 내외부 침입 및 위협으로부터 조직의 자원을 보호하기 위한 보안의 중요성이 커지고 있다. 따라서 최근에는 다양한 보안 로그 이벤트에 대하여 보안 위협 여부를 사전에 파악하고, 예방하는 이상징후 식별 알고리즘의 개발이 강조되고 있다. 과거 규칙 기반 또는 통계 학습에 기반하여 개발되어 온 보안 이상징후 식별 알고리즘은 점차 기계 학습과 딥러닝에 기반한 모델링으로 진화하고 있다. 본 연구에서는 다양한 기계 학습 분석 방법론을 활용하여 악의적 내부자 위협을 사전에 식별하는 최적 알고리즘으로 LSTM-autoencoder를 변형한 Deep-autoencoder 모형을 제안한다. 본 연구는 비지도 학습에 기반한 이상탐지 알고리즘 개발을 통해 적응형 보안의 가능성을 향상시키고, 지도 학습에 기반한 정탐 레이블링을 통해 기존 알고리즘 대비 오탐율을 감소시켰다는 점에서 학문적 의의를 갖는다.

Abstract ▼ AI-Helper

With the development of network technologies, the security to protect organizational resources from internal and external intrusions and threats becomes more important. Therefore in recent years, the anomaly detection algorithm that detects and prevents security threats with respect to various security log events has been actively studied. Security anomaly detection algorithms that have been developed based on rule-based or statistical learning in the past are gradually evolving into modeling based on machine learning and deep learning. In this study, we propose a deep-autoencoder model that transforms LSTM-autoencoder as an optimal algorithm to detect insider threats in advance using various machine learning analysis methodologies. This study has academic significance in that it improved the possibility of adaptive security through the development of an anomaly detection algorithm based on unsupervised learning, and reduced the false positive rate compared to the existing algorithm through supervised true positive labeling.

주제어

표/그림 (10)

그림 Sample Data for Internet Access
그림 Sampe Data for E-mail Communication
표 Anomaly and Detection Scenarios
그림 Model Summary
그림 Model Structure
표 Model Features
그림 Distribution of the Reconstruction Loss
표 Actual and Predicted Comparison Table of Anomaly Behavior
그림 Precision-Recall Curve
그림 Confusion Matrix

참고문헌 (24)

Ahmed, M., Mahmood, A. N., and Hu, J., "A survey of network anomaly detection techniques", Journal of Network and Computer Applications, Vol. 60, pp. 19-31, 2016.

상세보기
Alla, S. and Adari, S. K., "Beginning anomaly detection using python-based deep learning," Apress, 2019.
Cadez, I., Heckerman, D., Meek, C., Smyth, P., and White, S., "Visualization of navigation patterns on a web site using model-based clustering" In: Proceedings of the sixth ACM SIGKDD international conference on knowledge discovery and data mining, pp. 280-284, 2000.
Casas, P., Soro, F., Vanerio, J., Settanni, G., and D'Alconzo, A., "Network security and anomaly detection with Big-DAMA, a big data analytics framework," IEEE 6th International Conference on Cloud Networking (CloudNet), pp. 1-7, 2017.
Cha, B., Park, K., and Seo, J., "Network based anomaly intrusion detection using bayesian network techniques," Journal of Internet Computing and Services, Vol. 6, No. 1, pp. 27-38, 2005.
Criste, L., "Insider threat market to top $1 billion in fiscal 2020: This is," Available from: https://about.bgov.com/news/insider-threat-market-to-top-1-billion-in-fiscal-2020-this-is/.
Forrest, S., Hofmeyr, S., Somayaji, A., and Longstaff, T. A., "A sense of self for unix processes," Proceedings 1996 IEEE symposium on security and privacy, pp. 120-128, 1996.
Habeeb, R. A. A., Nasaruddin, F., Gani, A., Hashem, I. A. T., Ahmed, E., and Imran, M., "Real-time big data processing for anomaly detection: A survey," International Journal of Information Management, Vol. 45, pp. 289-307, 2019.

상세보기
Hofmeyr, S., Forrest, S., and Somayaji, A., "Intrusion detection using sequences of system calls," Journal of computer security, Vol. 6, No. 3, pp. 151-180, 1998.

상세보기
Hollmen J. and Tresp, V., "Call-based fraud detection in mobile communication networks using a hierarchical regimeswitching model," In Advances in Neural Information Processing Systems, pp. 889-895, 1999.
Kang, G.-H., Sohn, J.-M., and Sim, G.-W., "Comparative analysis of anomaly detection models using AE and suggestion of criteria for determining outliers," Journal of Korea Society of Computer Information, Vol. 26, No. 8, pp. 23-30, 2021.

원문보기 상세보기
Kim, H., Kim, J., Park, M, Cho, S., and Kang, P., "Insider threat detection based on user behavior model and novelty detection algorithms," Journal of the Korean Institute of Industrial Engineers, Vol. 43, No. 4, pp. 276-287, 2017.

상세보기
Lee, J. and Lee, K. Y., "An anomalous sequence detection method based on an extended LSTM autoencoder," The Journal of Society for e-Business Studies, Vol. 26, No. 1, pp.127-140, 2021.

원문보기 상세보기
Liang, N. Biros, D. P., and Luse, A., "An empirical validation of malicious insider characteristics," Journal of Management Information Systems, Vol. 33, No. 2, pp. 361-392, 2016.

상세보기
Lopez, E. and Sartip, K., "Detecting the insider's threat with long short term memory (LSTM) neural networks," arXiv, 2007. 11956.
Roh, K.-W., Kim, J.-S., and Cho, W.-S., "A Study on the design of supervised and unsupervised learning models for fault and anomaly detection in manufacturing facilities," The Journal of Bigdata, Vol. 6, No. 1, pp. 23-35, 2021.
Smyth, P., "Clustering sequences with hidden markov models," Advances in Neural Information Processing Systems, pp. 648-654, 1997.
Theoharidou, M., Kokolakis, S., Karyda, M., and Kiountouzis, E., "The insider threat to information systems and the effectiveness of ISO17799," Computers & Security, Vol. 24, No. 6, pp. 472-484, 2005.

상세보기
Vanerio, J. and Casas, P., "Ensemble-learning approaches for network security and anomaly detection," Proceedings of the Workshop on Big Data Analytics and Machine Learning for Data Communication Networks, pp. 1-6, 2017.
Warrender, C., Forrest, S., and Pearlmutter, B., "Detecting intrusions using system calls: Alternative data models," Proceedings of the 1999 IEEE symposium on security and privacy, pp. 133-145, 1999.
Xu, K., Tian, K., Yao, D., and Ryder, B.., "A sharper sense of self: Probabilistic reasoning of program behaviors for anomaly detection with context sensitivity," 46th Annual IEEE/IFIP International Conference on Dependable Systems and Networks (DSN), pp. 467-478, 2016.
Xu, K., Yao, D. D., Ryder, B. G., and Tian, K., "Probabilistic program modeling for high-precision anomaly classification" Computer Security Foundations Symposium (CSF), IEEE 28th. pp.497-511, 2015.
Yao, D., Shu, X., Cheng, L., and Stolfo, S. J., "Anomaly detection as a service: Challenges, advances, and opportunities," Morgan & Claypool, 2017.
Yeung, D.-Y. and Ding, Y., "Host-based intrusion detection using dynamic and static behavioral models," Pattern Recognition, Vol. 36, No. 1, pp. 229-243, 2003.

상세보기

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