$\require{mediawiki-texvc}$

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.

[국내논문] 머신러닝 기반 클라우드 웹 애플리케이션 HTTP DoS 공격 탐지
Machine Learning-based Detection of HTTP DoS Attacks for Cloud Web Applications 원문보기

스마트미디어저널 = Smart media journal, v.12 no.2, 2023년, pp.66 - 75  

조재한 (대구대학교 컴퓨터정보공학부 컴퓨터공학전공) ,  박재민 (대구대학교 컴퓨터정보공학부 컴퓨터공학전공) ,  김태협 (대구대학교 컴퓨터정보공학부 컴퓨터공학전공) ,  이승욱 (대구대학교 컴퓨터정보공학부 컴퓨터공학전공) ,  김지연 (대구대학교 컴퓨터정보공학부 컴퓨터공학전공)

초록
AI-Helper 아이콘AI-Helper

최근 기업 및 공공기관 정보시스템의 클라우드 전환이 가속화되면서 클라우드 환경에서 운영되는 웹 애플리케이션이 증가하고 있다. 클라우드 웹 애플리케이션에 대한 전통적인 네트워크 공격은 대량의 패킷으로 네트워크 자원을 고갈시키는 DoS(Denial of Service) 공격이 대표적이지만, 최근에는 애플리케이션 자원을 고갈시키는 HTTP DoS 공격도 증가하고 있어 이에 대응하기 위한 보안기술 마련이 필요하다. 특히, HTTP DoS 공격 중, 저대역폭으로 수행되는 공격은 네트워크 자원을 고갈시키지 않기 때문에 네트워크 메트릭을 모니터링 하는 전통적인 보안 솔루션으로 탐지하는 것이 어렵다. 본 논문에서는 클라우드 웹 애플리케이션에 HTTP DoS 공격을 주입하면서 웹 서버의 애플리케이션 메트릭을 수집하고, 이를 머신러닝 기반으로 학습하여 공격을 탐지하는 새로운 탐지 모델을 제안한다. 애플리케이션 메트릭으로는 아파치 웹 서버의 18종을 수집하였고, 5종의 머신러닝 모델과 2종의 딥러닝 모델을 사용하여 수집한 데이터를 학습하였다. 또한, 6종의 네트워크 메트릭을 추가로 수집 및 학습하고, 제안된 애플리케이션 메트릭 기반 모델과 성능을 비교함으로써 애플리케이션 메트릭 기반 머신러닝 모델의 우수성을 검증한다. HTTP DoS 공격 중, 저대역폭으로 수행되는 RUDY 공격과 고대역폭으로 수행되는 HULK 공격을 제안된 모델로 탐지한 결과, 두 공격 탐지에 있어서 애플리케이션 메트릭 기반 머신러닝 모델의 F1-Score가 네트워크 메트릭 기반의 모델보다 각각 약 0.3, 0.1 높은 것을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, the number of cloud web applications is increasing owing to the accelerated migration of enterprises and public sector information systems to the cloud. Traditional network attacks on cloud web applications are characterized by Denial of Service (DoS) attacks, which consume network resourc...

주제어

#HTTP 서비스거부   #클라우드 컴퓨팅   #웹 애플리케이션   #클라우드 보안   #머신러닝  

참고문헌 (13)

  1. 행정안전부, "행정.공공기관 정보자원 클라우드 전환.통합 추진계획," 2017년 7월 

  2. RUBBoS. https://github.com/michaelmior/RUBBoS？(accessed Feb., 28, 2023). 

  3. Reddy SaiSindhuTheja and Gopal K. Shyam, "An？efficient metaheuristic algorithm based feature？selection and recurrent neural network for DoS？attack detection in cloud computing？environment," Applied Soft Computing, Vol.？100:106997, Mar. 2021. 

  4. J. Kim, J. Kim, H Kim., M Shim, and E Choi,？"CNN-based network intrusion detection against？denial-of-service attacks," Electronics, Vol. 9,？No. 6, PP. 916(1-23), 2020. 

  5. Aanshi Bhardwaj, Veenu Mangat & Renu？Vig(2021), "Hybrid Deep Neural Architecture for？Detection of DDoS Attacks in Cloud Computing,"？Intelligent Systems, Technologies and？Applications, pp 71-86, Jun. 2021. 

  6. Gopal Singh Kushwah and Virender Ranga,？"Optimized extreme learning machine for？detecting DDoS attacks in cloud computing,"？Computers & Security, Vol. 105:102260, Jun. 2021. 

    상세보기

  7. Gopal Singh Kushwah and Virender Ranga,？"Voting extreme learning machine based？distributed denial of service attack detection in？cloud computing," Journal of Information？Security and Applications, Vol. 53:102532, Aug.？2020. 

    상세보기

  8. M. Zekri, S. E. Kafhali, N. Aboutabit and Y.？Saadi, "DDoS attack detection using machine？learning techniques in cloud computing？environments," 2017 3rd International Conference？of Cloud Computing Technologies and？Applications (CloudTech), pp. 1-7, Rabat,？Morocco, Oct. 2017. 

  9. Z. He, T. Zhang and R. B. Lee, "Machine？Learning Based DDoS Attack Detection from？Source Side in Cloud," 2017 IEEE 4th？International Conference on Cyber Security and？Cloud Computing (CSCloud), pp. 114-120, New？York, NY, USA, Jun. 2017. 

  10. Performance Co-Pilot. https://pcp.io？(accessed Feb., 28, 2023). 

  11. A. R. Wani, Q. P. Rana, U. Saxena and N.？Pandey, "Analysis and Detection of DDoS？Attacks on Cloud Computing Environment using？Machine Learning Techniques", 2019 Amity？International Conference on Artificial Intelligence？(AICAI), pp. 870-875, Dubai, United Arab？Emirates, Apr. 2019. 

  12. Sabah M. Alturfi, Dena Kadhim Muhsen,？Mohammed A. Mohammed, Israa T. Aziz and？Mustafa Aljshamee, "A Combination Techniques？of Intrusion Prevention and Detection for Cloud？Computing," Journal of Physics: Conference？Series, Vol. 1804, University of Babylon,？Babylon-Hilla City, Iraq, Oct. 2020. 

  13. P. M. Ombase, N. P. Kulkarni, S. T. Bagade？and A. V. Mhaisgawali, "DoS attack mitigation？using rule based and anomaly based techniques？in software defined networking," 2017？International Conference on Inventive Computing？and Informatics (ICICI), pp. 469-475, Coimbatore,？India, Nov. 2017. 

관련 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