[논문]ATT&CK 기반 공격체인 구성을 통한 APT 공격탐지 시스템 구현

조성영; 박용우; 이경식

doi:10.13089/jkiisc.2022.32.3.527

[국내논문] ATT&CK 기반 공격체인 구성을 통한 APT 공격탐지 시스템 구현
Implementation of an APT Attack Detection System through ATT&CK-Based Attack Chain Reconstruction 원문보기

情報保護學會論文誌 = Journal of the Korea Institute of Information Security and Cryptology, v.32 no.3, 2022년, pp.527 - 545

조성영 (국방과학연구소) , 박용우 (국방과학연구소) , 이경식 (국방과학연구소)

초록
AI-Helper

본 연구에서는 조직화된 공격 주체가 수행하는 APT 공격을 효과적으로 탐지하기 위하여, 공격체인을 구성하여 공격을 탐지하는 시스템을 구축하였다. 공격체인 기반 APT 공격 탐지 시스템은 다양한 호스트 및 네트워크 모니터링 도구에서 생성하는 이벤트를 수집하고 저장하는 '이벤트 수집 및 저장부', 이벤트로부터 MITRE ATT&CK^®에 정의된 공격기술 수준의 단위공격을 탐지하는 '단위공격 탐지부', 단위공격으로 생성된 이벤트로부터 Provenance Graph 기반의 인과관계 분석을 수행하여 공격체인을 구성하는 '공격체인 구성부'로 구성하였다. 시스템을 검증하기 위하여 테스트베드를 구축하고 MITRE ATT&CK Evaluation 프로그램에서 제공하는 모의공격 시나리오를 수행하였다. 실험 결과 모의공격 시나리오에 대해 공격체인이 효과적으로 구성되는 것을 확인하였다. 본 연구에서 구현한 시스템을 이용하면, 공격을 단편적인 부분으로 이해하기보다 공격의 진행 흐름 관점에서 이해하고 대응할 수 있을 것이다.

Abstract ▼ AI-Helper

In order to effectively detect APT attacks performed by well-organized adversaries, we implemented a system to detect attacks by reconstructing attack chains of APT attacks. Our attack chain-based APT attack detection system consists of 'events collection and indexing' part which collects various events generated from hosts and network monitoring tools, 'unit attack detection' part which detects unit-level attacks defined in MITRE ATT&CK® techniques, and 'attack chain reconstruction' part which reconstructs attack chains by performing causality analysis based on provenance graphs. To evaluate our system, we implemented a test-bed and conducted several simulated attack scenarios provided by MITRE ATT&CK Evaluation program. As a result of the experiment, we were able to confirm that our system effectively reconstructed the attack chains for the simulated attack scenarios. Using the system implemented in this study, rather than to understand attacks as fragmentary parts, it will be possible to understand and respond to attacks from the perspective of progress of attacks.

주제어

표/그림 (28)

그림 Fig. 1. An example of provenance graph (redraw of [24]). Left: example events, Right: provenance graph for entire events
그림 Fig. 2. System Overview
그림 Fig. 3. Process-based causal relationship
그림 Fig. 4. File-based causal relationship
표 Table 1. Types of causal relationship between events
표 Table 2. Properties of process in an event (field names defined in ECS)
표 Table 3. Properties of file in an event (field names defined in ECS)
그림 Fig. 5. Network-based causal relationship
그림 Fig. 6. Persistence-based causal relationship
표 Table 4. Properties of source and destination in an event (field names defined in ECS)
그림 Fig. 7. Lateral movement-based causal relationship. (a) Same user, different hosts, (b) Remote logon, (c) Remote service
그림 Fig. 8. JSON-formatted data schema to save causally related previous events for a event
표 Table 5. Events to collect from Windows Host
그림 Fig. 9. Local Group Policy Editor(gpedit.msc) for Windows Security Event Auditing
표 Table 6. Items to audit in Local Group Policy Editor(gpedit.msc) for Windows Security Event Auditing
그림 Fig. 10. Number of implemented rulesets per ATT&CK tactic
표 Table 7. Attack Chain Reconstruction System Specification
그림 Fig. 11. Test-bed topology
표 Table 9. Victim hosts configurations
표 Table 8. Software in attacker hosts
그림 Fig. 12. Number of triggered events per phase for each scenario
표 Table 10. Phases of penetration tests
표 Table 11. Scenario summary
그림 Fig. 13. Provenance Graph of APT29 Scenario
그림 Fig. 14. Provenance Graph of FIN7 Scenario
그림 Fig. 15. Attack Chain of APT29 Scenario
그림 Fig. 16. Attack Chain of FIN7 Scenario
표 Table 12. Resource consumption for attack chain reconstruction

AI 본문요약
AI-Helper

문제 정의

이러한 흐름에 따라, 본 연구에서는 사이버 공격(특히 APT 공격)을 구성하는 단위공격만을 탐지하는 단편적인 관점에서 벗어나, 단위공격을 하나의 흐름으로 연결하여 공격을 탐지하는 시스템을 제안하고 이를 구축하고자 하였다. 본 연구의 접근 방법은 다음과 같다.

제안 방법

(1) ATT&CK의 공격 TTPs(tactics, techniques, and procedures)를 이용하여 공격체인을 구성하는 공격기법을 표현하며, ATT&CK에 정의된 데이터 소스(data source) 및 데이터 컴포넌트(data component)를 이용하여 APT 공격을 구성하는 단위공격을 탐지하기 위해 수집해야 하는 이벤트를 식별하였다.
(2) 공격체인을 구성하기 위하여 Provenance Graph 기반의 이벤트 간 인과관계 분석을 통한 공격 탐지의 연구 방법론을 채택하였다.
APT 공격을 탐지하기 위해, 공격의 단편적인 부분만을 탐지하는 기존의 접근 방법 대신 진행 흐름 관점에서 공격을 체인 형태로 구성하는 시스템을 구축하였다. MITRE ATT&CK Evaluation 프로그램에서 제공하는 모의공격 시나리오들을 수행하여, 시스템이 공격체인을 구성하여 효과적으로 APT 공격을 탐지할 수 있음을 확인하였다.
ATT&CK에 정의된 (세부) 공격기술 수준의 단위 공격을 탐지하기 위한 행위 기반의 탐지 규칙을 구축하였다
미국에서는 이미 APT 공격을 탐지하기 위한 기술을 연구, 개발하고 있었으며, 대표적으로 미국 DARPA에서는 5년여 동안 Transparent Computing[1] 프로젝트에서 여러 대학, 기업들이 CADETS[2], ClearScope[3], MARPLE[4], ADAPT[5], TRACE[6] 등과 같은 다양한 연구가 진행되었다. Transparent Computing 프로젝트는 2장에서 후술할 Provenance Graph를 이용하여 시스템 내부의 가시성을 확보하고 시스템 내부에 대한 활동을 표현함 으로써 APT 공격을 탐지하고 추적하고자 하였다.
공격자 네트워크에는 공격자가 공격을 수행할 수 있는 가상머신 호스트들로 구성하였으며, 피해자 네트워크에는 공격을 탐지하고 이벤트를 발생할 수 있는 네트워크 IDS(Suricata) 및 NMS(Zeek)을 구축하고, Windows 가상머신 호스트(클라이언트의 경우 Windows 10 Pro 20H2, 서버의 경우 Windows Server 2019 Standard), Linux 가상머신 호스트 (Ubuntu 20.04 LTS)들을 구축하였다.
단위공격 탐지 규칙은 앞서 구축한 Elastic Stack의 Alert 기능을 이용하여 구축하였으며, 탐지 규칙에 따른 경보가 발생하였을 때 경보를 트리거한 이벤트를 MongoDB 및 Neo4j 기반의 이벤트 데이터베이스에 저장하고 공격체인 구성부에 REST AP를 이용하여 전달하도록 구성하였다.
Sysmon을 호스트에 설치할 때 로깅 항목을 설정한 XML 형식의 설정 파일을 이용하면 다량으로 발생하는 정상 행위와 관련한 이벤트의 수를 감소시킬 수 있다. 본 연구에서는 Sysmon 설정 파일중 가장 많이 사용되는 SwiftOnSecurity[36]에서 제공하는 설정 파일을 기반으로 하되, 기본으로 생성하는 이벤트를 배제하지 않도록 수정하였다. 설정 파일 내부에 항목에 대한 규칙을 설정하면 설정한 항목에 대한 이벤트만 생성되어 설정한 규칙에 해당하지 않는 공격 행위와 관련된 이벤트를 수집할 수 없게 되므로, 설정 파일 중 항목에 나열된 규칙을 모두 제거하였다.
MITRE 社에서는 알려진 공격 그룹들이 수행한 것으로 추정되는 APT 공격 사례를 분석하고 이를 모사할 수 있도록 매년 다른 시나리오로 재구성하고 이를 누구나 수행할 수 있도록 수행 절차및 이와 관련된 악성코드 또는 공격 스크립트를 제공하고 있다[50]. 이 중 APT29 공격 그룹을 모사한 공격 시나리오 중 첫 번째 시나리오와 FIN7 공격 그룹을 모사한 공격 시나리오의 2가지 공격 시나리오를 수행하였다. 각 공격 시나리오의 수행 절차는 Table 10.

대상 데이터

MITRE ATT&CK에 정의된 데이터 소스 및 데이터 컴포넌트, 그리고 [34]의 이벤트 목록에 대한 연관분석을 수행하여, Table 5.에 나열한 이벤트 채널로부터 Windows 호스트에서 발생하는 정상 및공격 관련 이벤트를 수집하였다.
네트워크 활동과 관련한 이벤트는 IDS(Suricata[38]) 에서 생성하는 경보 및 NMS(Zeek[39])에서 생성하는 이벤트 로그를 수집하였다.
본 연구에서 구축한 규칙은 총 420개로, 이에 대한 ATT&CK 전술별 분포는 Fig
Linux의 경우 운영체제에서 기록하는 이벤트 로그(/var/log/sysmon 또는 /var/log/messages)와auditd 데몬에서 생성하는 감사 로그를 기반으로 호스트에서 발생하는 정상 및 공격 관련 이벤트를 탐지한다. 쉘(shell) 명령어를 통한 행위(예, 프로세스 생성)를 탐지하기 위하여 auditd 설정 파일[37]을 적용하고 감사 로그를 수집하였다.
엔터프라이즈 환경에서 네트워크에 연결된 모든 Windows 및 Linux 호스트, 네트워크 공격을 탐지하는 침입탐지시스템(NIDS, network-based intrusion detection system)과 네트워크 모니터링 시스템(NMS, network monitoring system)에서 정상 행위 및 잠재적 공격 행위로 인하여 발생하는 이벤트를 수집, 저장한다.
과 같이 공격자가 위치한 네트워크와 피해호스트들이 위치한 네트워크로 구성된 테스트베드를 구축하였다. 테스트베드는 VMware ESXi 6.7이 설치된 컴퓨터에서 가상 스위치, 가상 포트 그룹으로 네트워크를 구성하고 각각의 네트워크에는 가상머신들을 제작하여 배치하였으며, 각각의 네트워크는 pfSense[45] 라우터를 이용하여 구성하였다.

데이터처리

과 같이 시스템을 구축하였고, Python을 이용하여 프로그램을 구현하였다. 구현된 프로그램은 트리거된 이벤트에 대해 3.3절에서 기술한 방법에 따라 인과관계 분석을 수행하여 이벤트 데이터베이스에 저장된 과거이벤트 중 연관된 이벤트들을 체인 형태로 구성하고APT 공격 여부를 판단한다.
단위공격 탐지부에서 단위공격을 탐지하여 트리거된 이벤트는 연관된 다른 과거 이벤트와 인과관계 분석(causality analysis)을 수행하여 공격체인을 구성한다. 이벤트 간 인과관계 분석을 위하여 앞서 설명한 Provenance Graph 개념을 적용하였으며, 본 연구에서의 이벤트 간 인과관계는 Table 1.

이론/모형

과 같은 모의공격용 소프트웨어들로 구성하였다. 구체적으로는 다음 절에서 설명할 [50]의 APT29 공격 그룹을 모사한 두 가지의 공격 시나리오와, FIN7 공격 그룹을 모사한 각각의 공격 시나리오를 수행할 수 있도록 각각의 시나리오에서 요구하는 공격자 준비사항을 참고하였다.
ATT&CK에 정의된 (세부) 공격기술 수준의 단위 공격을 탐지하고 이를 공격체인으로 구성하기 위해서는 수집한 이벤트를 일관된 형태로 변환하는 전처리 과정이 필요하다. 본 연구에서는 Elastic Stack에서 정의한 데이터 스키마인 Elastic Common Schema(ECS)[40]를 이용하였다. ECS는 이벤트를 구성하는 요소(필드)에 대한 명명 규칙에 일관성을 제공하며, 이벤트의 종류(예.
본 연구에서는 이벤트를 수집하고 저장하기 위해가장 많이 활용되는 제품인 Elastic Stack(Beat, Elasticsearch, Kibana)[41]를 이용하였다. 각 호스트 및 IDS, NMS 등에는 에이전트인 비트(beat)를 설치하고, 비트를 통하여 지정된 이벤트를 Elasticsearch로 전송 및 저장하도록 구성한다.
ATT&CK에 정의된 (세부) 공격기술 수준의 단위 공격을 탐지하기 위한 행위 기반의 탐지 규칙을 구축하였다. 이를 위하여 MITRE CAR(Cyber Analytics Repository)[42], Sigma(The Generic SIEM Rule)[43], Elastic Detection Rules[44]의 공개된 룰셋 리포지토리를 참고하였다. 본 연구에서 구축한 규칙은 총 420개로, 이에 대한 ATT&CK 전술별 분포는 Fig.
이를 위하여 MITRE 社에서 매년 수행하여 발표하는 MITRE ATT&CK Evaluations Program[49]의 모의공격 시나리오들을 활용하였다
단위공격 탐지부에서 단위공격을 탐지하여 트리거된 이벤트는 연관된 다른 과거 이벤트와 인과관계 분석(causality analysis)을 수행하여 공격체인을 구성한다. 이벤트 간 인과관계 분석을 위하여 앞서 설명한 Provenance Graph 개념을 적용하였으며, 본 연구에서의 이벤트 간 인과관계는 Table 1.과 같이정의할 수 있다.

성능/효과

MITRE ATT&CK Evaluation 프로그램에서 제공하는 모의공격 시나리오들을 수행하여, 시스템이 공격체인을 구성하여 효과적으로 APT 공격을 탐지할 수 있음을 확인하였다.
둘째, MITRE ATT&CK Evaluation 프로그램에서 제공하는 모의공격 시나리오들을 수행하면서 탐지할 수 없는 세부 공격 단계들이 식별되었다
셋째, 단위공격 탐지 규칙에 대한 한계는 시그니처 기반 IDS가 가지는 한계와 많은 점을 공유한다. 즉 규칙에 존재하지 않는 공격이 발생하였을 때 이에 대한 이벤트가 발생하더라도 단위공격 탐지부에서 해당 이벤트를 트리거할 수 없다.
현재 구축한 시스템이 개선되어야 할 방향은 다음과 같다. 첫째, 공격체인 구성부에서 실시간으로 공격체인을 구성할 수 있도록 설계하였으나, 모의공격 시나리오를 모두 완료한 후 그 결과로 생성된 이벤트에 대해 오프라인으로 공격체인을 구성하도록 구현되었다. 향후에는 현재 공격 시점에서 발생한 이벤트에 대해 실시간으로 공격체인을 구성하도록 개선함으로써, 공격자가 궁극적인 공격 목표를 달성하기 전에 대응할 수 있는 시스템과 연계하도록 할 계획이다.
과 같다. 표에서 알 수 있듯이 각 공격 시나리오를 수행하면서 발생한 이벤트 중 실제 공격과 관련된 이벤트는 1%도 채 되지 않음을 알 수 있다.

후속연구

다만 Sigma를 포함한 개방된 규칙 리포지토리에서 여러 보안 전문가들의 노력으로 다양한 규칙을 개발하여 공유하고 있으므로 이를 활용하여 개선할 수 있고, 더불어 ATT&CK에 정의된 공격기술에 대한 심층 분석을 통하여 더 넓은 탐지 범위를 가지는 규칙들을 구축할 수 있을 것이다.
이는 ATT&CK에 정의된 특정 공격기술을 탐지할 수 있는 데이터 소스에 대한 이벤트를 수집하고 있다고 하더라도 수집되는 이벤트가 포함하는 정보가 제한적이어서 탐지하기 어렵거나, 해당 데이터 소스가 개념적 수준으로 정의되어 있어 이에 해당하는 또 다른 이벤트 종류를 식별하여 수집하지 못한 것이 원인이다. 따라서 향후 연구를 통하여 더 다양한 이벤트를 수집함으로써 보완하여야 한다.
마지막으로, 공격체인을 구성하기 위한 이벤트 간 인과관계 분석을 위해서, 지속성 기반 및 내부 확산 기반 인과관계는 ATT&CK 전술 중 각각 지속 유지 (persistence) 및 내부 확산(lateral movement) 전술에 속한 여러 (세부) 공격기술 중 일부만을 포함하고 있으므로, 향후 연구에서 더 많은 인과관계를 분석하여 공격체인을 구성하여야 한다.
향후 연구에서는 이와 같은 개선 사항을 반영하여, APT 공격을 탐지하였을 때 위협 인텔리전스를 이용하여 해당 공격 진행 상황에 대해 유사한 공격 그룹 또는 공격 캠페인을 분류함으로써 공격자가 궁극적인 공격 목표(즉, 정보 탈취나 시스템 또는 데이터의 기밀성/무결성 훼손 등)를 달성하지 못하도록 방어하는 시스템과 연계하고자 한다.
첫째, 공격체인 구성부에서 실시간으로 공격체인을 구성할 수 있도록 설계하였으나, 모의공격 시나리오를 모두 완료한 후 그 결과로 생성된 이벤트에 대해 오프라인으로 공격체인을 구성하도록 구현되었다. 향후에는 현재 공격 시점에서 발생한 이벤트에 대해 실시간으로 공격체인을 구성하도록 개선함으로써, 공격자가 궁극적인 공격 목표를 달성하기 전에 대응할 수 있는 시스템과 연계하도록 할 계획이다.

참고문헌 (50)

Defense Advanced Research Projects Agency(DARPA), Transparent Computing (Archived), https://www.darpa.mil/program/transparent-computing, accessed on Mar. 2022
Amanda Strnad, Quy Messiter, Robert Watson, Lucian Carata, Jonathan Anderson and Brian Kidney, "Casual, adaptive, distributed, and efficient tracing system (CADETS)," AFRL-RY-WP-TR-2019-0115, BAE Systems, Sep. 2019
Michaell Gordon, Jordan Eikenberry, Anthony Eden, Jeffrey Perkins, Malavika Samak, Henny Sipma and Martin Rinard, "ClearScope: Full stack provenance graph generation for transparent computing on mobile devices," AFRL-RY-WP-TR-2020-0013, Massachusetts Institute of Technology, Jul. 2020
Josyula Rao, Yan Chen, R. Sekar, Venkat Venkatakrishnan, "Mitigating advanced and persistent threat (APT) damage by reasoning with provenance in large enterprise network (MARPLE) Program," AFRL-RY-WP-TR-2019-0285, International Business Machines Corporation, Jan. 2020
Ryan Wright, Alan Fern, Anthony Williams, James Cheney, Ghita Berrada and Sid Ahmed Benabderrahmane, "A diagnostics approach for persistence threat detection (ADAPT)," AFRL-RY-WP-TR-2019-0140, Galois, Inc., Nov. 2019
Gabriela Ciocarlie, "Tracking and analysis of causality at enterprise-level (TRACE)," ARFL-RY-WP-TR-2019-0337, SRI International, Mar. 2022
OASIS, STIX Version 2.1 Specification, https://docs.oasis-open.org/cti/stix/v2.1/os/stix-v2.1-os.html, accessed Mar. 2022
FireEye, "Naval Information Warfare Systems Command (NAVWAR) Awards FireEye First Place in Network Threat Detection Challenge," https://www.fireeye.com/company/press-releases/2021/naval-information-warfare-systems-command-navwar-awards-fireeye-firstplace.html, accessed on Mar. 2022
Center for Threat Informed Defense, Attack Flow, https://ctid.mitre-engenuity.org /our-work/attack- flow/" , accessed on Mar. 2022
MITRE, ATT&CK, https://attack.mitre.org/, accessed on Mar. 2022
PEStudio, https://winitor.com, accessed on Mar. 2022
KISA, "TTPs #6 Target Watering Hole Attack Strategy Analysis," Sep. 2021, https://www.krcert.or.kr/filedownload.do?attack_file_seq3277&attach_file_idEpF3277.pdf, accessed on Mar. 2022
Alfonso Valdes and Keith Skinner, "Probabilistic alert correlation," International Workshop on Recent Advances in Intrusion Detection (RAID), pp. 54-68, Oct. 2001
Frederic Cuppens, "Managing alerts in a multi-intrusion detection environment," Proceedings of the 17th Annual Computer Security Applications Conference, pp. 22-31, Dec. 2001
Herve Debar and Andreas Wespi, "Aggregation and correlation of intrusion-detection alerts," International Workshop on Recent Advances in Intrusion Detection (RAID), pp. 85-103, Oct. 2001
Peng Ning, Yun Cui and Douglas S. Reeves, "Analyzing intensive intrusion alerts via correlation," International Workshop on Recent Advances in Intrusion Detection (RAID), pp. 74-94, Oct. 2002
Frederic Cuppens and Alexandre Miege, "Alert correlation in a cooperative intrusion detection framework," Proceedings 2002 IEEE Symposium on Security and Privacy, pp. 202-215, May 2002
Faeiz Alserhani, Monis Akhlaq, Irfan U. Awan, Andrea J. Cullen and Pravin Mirchandani, "MARS: multi-stage attack recognition system," 2010 24th IEEE International Conference on Advanced Information Networking and Applications (AINA), pp. 753-759, Apr. 2010
Benjamin Morin, Ludovic Me, Herve Debar and Mireille Ducasse, "M2D2: A formal data model for IDS alert correlation," International Workshop on Recent Advances in Intrusion Detection (RAID), pp. 115-137, Oct. 2002
Steven T. Eckmann, Giovanni Vigna and Richard A. Kemmerer, "STATL: An attack language for state-based intrusion detection," Journal of computer security, vol. 10, no. 1-2, pp. 71-103, 2002

상세보기
Bin Zhu and Ali A. Ghorbani, "Alert correlation for extracting attack strategies," International Journal on Network Security, vol. 3, no. 3, pp.244-258, Nov. 2006
Hanli Ren, Natalia Stakhanova and Ali A. Ghorbani, "An online adaptive approach to alert correlation," International Conference on Detection of Intrusions and Malware, and Vulnerability Assessment, pp.153-172, Jul. 2010
Samuel T. King, Z. Morley Mao, Dominic G. Lucchetti and Peter M. Chen, "Enriching intrusion alerts through multi-host causality," Proceedings of Network and Distributed System Security Symposium (NDSS), Feb. 2005
Samuel T. King and Peter M. Chen, "Backtracking intrusions," Proceedings of the 2003 Symposium on Operating Systems Principles, pp. 223-236, Oct. 2003
Md Nahid Hossain et al., "SLEUTH: Real-time attack scenario reconstruction from COTS audit data," 26th USENIX Security Symposium(USENIX Security 17), pp. 487-504, Aug. 2017
Sadegh M. Milajerdi et al., "HOLMES: Real-time APT detection through correlation of suspicious information flows," 2019 IEEE Symposium on Security and Privacy, pp. 1137-1152, May 2019
Chunlin Xiong et al., "CONAN: A practical real-time APT detection system With high accuracy and efficiency," IEEE Transactions on Dependable and Secure Computing, vol. 19, no. 1, pp. 551-565, Feb. 2020
Kexin Pei, et al., "HERCULE: Attack story reconstruction via community discovery on correlated log graph," Proceedings of the 32nd Annual Conference on Computer Security Applications, pp. 583-595, Dec. 2016
Jun Zeng, et al., "WATSON: Abstracting behaviors from audit logs via aggregation of contextual semantics," Proceedings of the 28th Annual Network and Distributed System Security Symposium (NDSS), pp. 1-18, Feb. 2021
Cesar Ghali, Gene Tsudik and Ersin Uzun, "Needle in a haystack: Mitigating content poisoning in named-data networking," Proceedings of NDSS workshop on security of emerging networking technologies (SENT), Feb. 2014
Yang Ji, et al., "Enabling refinable cross-host attack investigation with efficient data flow tagging and tracking," 27th USENIX Security Symposium (USENIX Security '18), pp. 1705-1722, Aug. 2018
Shiqing Ma et al., "Kernel-supported cost-effective audit logging for causality tracking," 2018 USENIX Annual Technical Conference (USENIX ATC 18), pp.241-254, Jul. 2018
MITRE ATT&CK, Data Source, https://attack.mitre.org/datasources, accessed on Oct, 2021
OTRF, OSSEM Detection Model (DM), https://github.com/OTRF/OSSEM-DM, accessed on Oct, 2021
Microsoft Sysinternals Sysmon, https://docs.microsoft.com/en-us/sysinternals/downloads/sysmon, accessed on Jan. 2022
SwiftOnSecurity, Sysmon Config, https://github.com/SwiftOnSecurity/sytsmon-config, accessed on Jan. 2022
Neo23x0, auditd, https://github.com/Neo23x0/auditd, accessed on Jan. 2022
Suricata, https;//suricata.io, accessed on Jan. 2022
Zeek, https://zeek.org, accessed on Jan. 2022
Elastic, Elastic Common Schema, https://elastic.co/guide/en/ecs/1.12/index.html, accessed on Jan. 2022
Elastic, Elastic Stack, https://elastic.co/elastic-stack, accessed on Mar. 2022
MITRE, CAR (Cyber Analytics Repostory), https://github.com/mitre-attack/car, accessed on Mar. 2022
SigmaHQ, Sigma, https://github.com/SigmaHQ/sigma, accessed on Mar. 2022
Elastic, Elastic Detection Ruels, https://github.com/elastic/detection-rules, accessed on Mar. 2022
pfSense, https://www.pfsense.org, accessed on Jan. 2022
Pupy, https://github.com/n1nj4sec/pupy, accessed on Jul. 2021
PoshC2, https://github.com/netitude/PoshC2, accessed on Jul. 2021
Metasploit, https://github.com/rapid7/metasploit-framework, accessed on Jul. 2021
MITRE Engenuity, ATT&CK Evaluations, https://attackevals.mitre-engenuity.org. accessed on Mar. 2022
MITRE Center for Threat Informed Defense, Adversary Emulation Library, https://github.com/center-for-threat-informed-defense/adversary_emulation_library, accessed on Jul. 2021

저자의 다른 논문 :

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