$\require{mediawiki-texvc}$

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] LLM을 활용한 랜섬웨어 보안 프레임워크 원문보기

情報保護學會誌 = KIISC review, v.34 no.5, 2024년, pp.11 - 17  

박윤지 (성균관대학교 과학수사학과) ,  정성균 (메타포렌식) ,  정두원 (성균관대학교 과학수사학과)

초록
AI-Helper 아이콘AI-Helper

랜섬웨어는 현대 사이버 보안에서 가장 중요하고 신속히 증가하는 위협 중 하나로 인식되고 있다. 전통적인 보안 시스템은 랜섬웨어의 복잡성과 빠른 진화를 따라잡기 어렵다. 이에 보안 도메인 특화 LLM (Large Language Model)의 구축과 활용이 보안의 수단으로 활용될 수 있다. 이 연구는 데이터 기반 모델링 자동화, 핵심 정보 선별, 컨텍스트화를 통해 LLM을 악성코드 분석에 활용하는 과정을 다루고 있다. 이를 통해 LLM이 랜섬웨어 탐지 및 대응을 위한 정확하고 신속한 의사결정을 지원하도록 한다. 또한, 글로벌 보안 인사이트와 최신 사이버 위협 동향을 반영하여 LLM이 보다 효과적으로 위협을 분석하고 대응할 수 있도록 한다. 보안 도메인 특화 LLM은 사용자 친화적인 접근 방식을 채택하여, 비전문가도 이해할 수 있도록 한다. 이는 시각화와 간단한 설명을 통해 제공되며, 보안 전문가뿐만 아니라 비전문가가 복잡한 보안 데이터를 신속하게 이해하고 적절한 조치를 취할 수 있도록 돕는다. 결과적으로, 본 연구를 통해 랜섬웨어 탐지 및 대응의 정확성을 크게 향상시킬 수 있을 뿐만 아니라 보안 전문가가 더 직관적이고 효율적으로 위협에 대응할 수 있는 환경을 조성할 수 있다. 이는 사이버 보안의 미래를 재정의하며, 더욱 지능적으로 자동화된 보안 솔루션의 발전을 촉진할 것이다.

표/그림 (4)

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 논문에서는 AI 기반 탐지 시스템의 한계점을 분석하고, 이를 극복하기 위한 랜섬웨어 보안 프레임워크의 구체적인 설계 및 구현 방법을 제시하고자 한다. 이 프레임워크는 AI 모델이 랜섬웨어 탐지의 정확도를 높이는 동시에 오탐률을 최소화하고, 비전문가도 쉽게 이해할 수 있는 사용자 친화적인 출력을 제공하는 데 중점을 둔다.
  • 본 연구에서는 급증하는 랜섬웨어 위협에 대응하기 위한 LLM 기반 랜섬웨어 보안 프레임워크를 제안하였다. 이 프레임워크는 기존 AI 기반 탐지 시스템의 한계점을 극복하고, 보다 효율적이고 직관적인 사이버 보안 체계를 구축하는 것을 목표로 한다.
  • 본 연구에서는 급증하는 랜섬웨어 위협에 대응하기 위한 LLM 기반 랜섬웨어 보안 프레임워크를 제안하였다. 이 프레임워크는 기존 AI 기반 탐지 시스템의 한계점을 극복하고, 보다 효율적이고 직관적인 사이버 보안 체계를 구축하는 것을 목표로 한다. 제안된 프레임워크는 데이터 기반 모델링 자동화, 핵심 정보 선별, 컨텍스트화, 보안 도메인 특화 LLM, 그리고 인간친화적 해석 등의 주요 특징을 포함한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (6)

  1. Fortinet, 포티넷, 한국 보안관제(SecOps) 현황발표, https://www.fortinet.com/kr/corporate/about-us/newsroom/press-releases/2024/fortinet-announces-status-of-security-operations-in-korea 

  2. Cisco(2019), 2019 연례 사이버보안 보고서 

  3. 정일옥, 조창섭, 지재원, "사이버 보안관제 체계 문제점과 머신러닝 적용 기술 현황", 정보보호학회지, pp.13-19, 2021 

  4. "2024 국가정보보호백서", KISA, 2024.5 

  5. 조창섭, "사이버공격 탐지 성능 개선을 위한 머신러닝 기반 보안관제 시스템", 숭실대학교 박사논문, 2019.6 

  6. Arrieta, Alejandro Barredo, et al. (2020). "Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI". Information fusion, 58, pp. 82-115. 

    상세보기

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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