초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

컴퓨터 네트워크의 확대 및 인터넷 이용의 급속한 증가에 따라 컴퓨터 보안문제가 중요하게 되었다. 따라서 침입자들로부터 위험을 줄이기 위해 침입탐지 시스템에 관한 연구가 진행되고 있다. 본 논문에서는 네트워크 기반의 이상 침입탐지를 위하여 뉴로-퍼지 기법을 적용하고자 한다. 불확실성을 처리하는 퍼지 이론을 이상 침입 탐지영역에 도입하여 적용함으로써 오용 탐지의 한계성을 극복하여 알려지지 않은 침입 탐지를 하고자 한다.

컴퓨터 네트워크의 확대 및 인터넷 이용의 급속한 증가에 따라 컴퓨터 보안문제가 중요하게 되었다. 따라서 침입자들로부터 위험을 줄이기 위해 침입탐지 시스템에 관한 연구가 진행되고 있다. 본 논문에서는 네트워크 기반의 이상 침입탐지를 위하여 뉴로-퍼지 기법을 적용하고자 한다. 불확실성을 처리하는 퍼지 이론을 이상 침입 탐지영역에 도입하여 적용함으로써 오용 탐지의 한계성을 극복하여 알려지지 않은 침입 탐지를 하고자 한다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법

문제 정의

• 네트워크 기반의 침입 탐지에는 네 트워크 데이터인 패킷의 헤더 정보를 이용하여 이상이나 오용 침입을 탐지한다. 본 논문에서는 TCP/IP 기반의 서비스에 대 한 네트워크의 패킷 헤더 정보를 이용하여 서비스별로 분류하 며, 네트워크 서비스별로 정상 행위를 프로파일링하여 이상 침 입올 탐지한다. 대부분의 네트워크 침입 탐지는 단지 TCP/IP 의 패킷의 이상 유무와 침입시의 패킷의 여러 특징에 의해서 이상 침입올 탐지한다.
• 본 논문에서는 네트워크 기반의 이상 침입 탐지를 위하여 뉴로-퍼지 기법을 적용하고자 한다. 불확실성을 처리하는 퍼 지 이론을 이상 침입 탐지영역에 도입하여 적용함으로써 오용 탐지의 한계성을 극복하여 알려지지 않은 침입 탐지를 하고자 한다.
• 대부분의 네트워크 침입 탐지는 단지 TCP/IP 의 패킷의 이상 유무와 침입시의 패킷의 여러 특징에 의해서 이상 침입올 탐지한다. 본 논문에서는 패킷의 헤더 정보에다가 특정한 서비스에 대해 제약을 적용함으로써 네트워크 이상 침 입올 명확히 구분하고자 한다.
• 본 논문에서는 네트워크 기반의 이상 침입 탐지를 위하여 뉴로-퍼지 기법을 적용하고자 한다. 불확실성을 처리하는 퍼 지 이론을 이상 침입 탐지영역에 도입하여 적용함으로써 오용 탐지의 한계성을 극복하여 알려지지 않은 침입 탐지를 하고자 한다.

제안 방법

• Windump와 Tcptrace 툴을 이용하여 세션을 구분하고, 네트 워크 서비스별로 정상 행위 패턴을 생성하였다. DARPA 침입 데이터에 사용된 네트워크 서비스는 20여개 이상이었으나 시뮬 레이션에서는 SSH, FTP와 FTP-Data, Telnet, SMTP 서비스 만 추출하여 사용하였다.
• 네트워크 서비스의 정상 프로파일의 서비스, 패킷 개수, 플 래그 그리고 Tcp 세션 둥의 11개 특징 벡터를 이용하여 뉴로 -퍼지 이상 침입 탐지를 수행한다. 그리고 오차율。.
• 네트워크 서비스의 정상 프로파일의 서비스, 패킷 개수, 플 래그 그리고 Tcp 세션 등의 11개 특징 벡터를 이용하여 뉴로 -퍼지 이상 침입 탐지를 수행한다. 그리고 뉴로-퍼지 이상 침 입 탐지를 위한 구성도는 그림 3와 같다.
• DARPA 침입 데이터에 사용된 네트워크 서비스는 20여개 이상이었으나 시뮬 레이션에서는 SSH, FTP와 FTP-Data, Telnet, SMTP 서비스 만 추출하여 사용하였다. 생성한 서비스별 정상 행위 패턴들을 모아서 서비스별 정상 행위 프로파일을 구축하였다.
• 그리고 뉴로-퍼지 이상 침 입 탐지를 위한 구성도는 그림 3와 같다. 오차율 (Wl과 epoch 뉴로--퍼지 이상 침입 탐지는 portsweep, sechole-setup 그리 고 ntis 공격에 대해 시뮬레이션 하였다. 시뮬레이션 결과는 그 림 4 와 같다.
• 이상 침입 탐지를 연구하기 위해서는 먼저, 공격기법을 분류 하고, 공격 기법에 대한 침입 탐지 모델을 분류한다. 이상 침입 탐지를 위한 여러 관련 기술을 분석하고, 새로운 침입을 탐지 하기 위한 탐지 기법을 논의한다、그리고 본 논문의 주제가 되 는 퍼지와 신경망에 대해서 기술한다.
• 이상 침입 탐지를 연구하기 위해서는 먼저, 공격기법을 분류 하고, 공격 기법에 대한 침입 탐지 모델을 분류한다. 이상 침입 탐지를 위한 여러 관련 기술을 분석하고, 새로운 침입을 탐지 하기 위한 탐지 기법을 논의한다、그리고 본 논문의 주제가 되 는 퍼지와 신경망에 대해서 기술한다. 공격 기법의 분류는 공 격의 대상이 호스트이거나 네트워크 또는 네트워크 자원에 따 라 호스트 기반과 네트워크 기반으로 분류되며, 공격에 대한 침입 탐지 모델에 따라서 오용 침입 탐지와 이상 침입 탐지 로 구분할 수 있다.
• 구축된 프로파일의 패킷 플래;! 정보를 이용하여 네트워크 서비스 SSH, FTP와 FTP-Data, Telnet, SMTP에 대한 각각의 퍼지 멤버쉽 함수를 구축하였다.
• 정상적인 네트워크 행위 패턴을 이용하여 네 트워크의 정상 행위를 프로파일링하고, 비정상적인 네트워크 행위 패턴을 이용하여 네트워크의 비정상 행위를 프로파일링한 다. 정상 행위 프로파일을 이용하여 퍼지 멤버쉽 함수를 생성 하고, 정상 행위의 퍼지 멤베쉽 함수를 지도 학습 신경망에 적 용하여 이상 침입 탐지를 수행한다.
• 네트워크 기반의 이상 침입올 탐지하기 위해서는 먼저 세션 올 구분하고, 네트워크 서비스별로 분류하여 네트워크의 행위 패턴을 생성한다. 정상적인 네트워크 행위 패턴을 이용하여 네 트워크의 정상 행위를 프로파일링하고, 비정상적인 네트워크 행위 패턴을 이용하여 네트워크의 비정상 행위를 프로파일링한 다. 정상 행위 프로파일을 이용하여 퍼지 멤버쉽 함수를 생성 하고, 정상 행위의 퍼지 멤베쉽 함수를 지도 학습 신경망에 적 용하여 이상 침입 탐지를 수행한다.
• 본 논문에서는 이상 침입 탐지에 기계 학습 기법인 신경망 과 불확실성올 해결하기 위한 방법인 뉴로-퍼지를 이용한다. 즉, 신경망 학습의 전달함수를 불확실성을 해결하기 위한 퍼지 의 멤버쉽 함수로 수정하여 수행한다.

대상 데이터

• Windump와 Tcptrace 툴을 이용하여 세션을 구분하고, 네트 워크 서비스별로 정상 행위 패턴을 생성하였다. DARPA 침입 데이터에 사용된 네트워크 서비스는 20여개 이상이었으나 시뮬 레이션에서는 SSH, FTP와 FTP-Data, Telnet, SMTP 서비스 만 추출하여 사용하였다. 생성한 서비스별 정상 행위 패턴들을 모아서 서비스별 정상 행위 프로파일을 구축하였다.
• 구축된 네트워크 서비스별 정상 행위 프로파일올 뉴로-퍼지 이상 침입 탐지의 지도학습 데이터로 사용한다.
• 뉴로-퍼지 기법올 적용한 이상 침입 탐지 시뮬레이션은 NUT의 DARPA Intrusion Detection Data 집합의 2000년 윈도 우 NT 네트워크 공격 데이터를 이용하였고, 시뮬레이션 툴은 Windump, Tcptrace, Perl 그리고 Matlab을 이용하였다.
• 시뮬레이션에 사용한 데이터는 DARPA 狈년 NT 데이터를 이용하여 portsweep, sechole-setup 그리고 ntis 공격에 대해 이상 침입 탐지를 수행하여 portsweep 공격은 67%, sechole_setup 공격은 100% 그리고 ntis 공격은 100% 탐지하 였다

이론/모형

• 본 논문에서는 이상 침입 탐지에 기계 학습 기법인 신경망 과 불확실성올 해결하기 위한 방법인 뉴로-퍼지를 이용한다. 즉, 신경망 학습의 전달함수를 불확실성을 해결하기 위한 퍼지 의 멤버쉽 함수로 수정하여 수행한다.
• 이상 침입 탐지에 기계 학습 기법인 신경망과 불확실성을 해결하기 위한 방법인 뉴로-퍼지를 그림 1 과 같이 이용한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기