[논문]원시데이터 축약 알고리즘을 이용한 신경망의 침입탐지시스템으로의 접근

박일곤; 문종섭

원시데이터 축약 알고리즘을 이용한 신경망의 침입탐지시스템으로의 접근
Neural network with audit data reduction algorithm for IDsystem 원문보기

박일곤 (고려대학교 정보보호기술연구센터) , 문종섭 (고려대학교 정보보호기술연구센터)

현재 인터넷의 발달에 인한 다양한 공격의 가능성의 이유로 침입 탐지 시스템(IDsystem, IDS)의 중요성은 날로 커지고 있으며 네트워크의 보안을 보장하기 위한 방안으로서 널리 이용되고 있다. 그러나 작은 네트워크 환경에서도 IDsystem에 적용되는 audit data의 양이 많아짐으로서 시간당 처리속도와 IDsystem의 설정을 위한 시간이 더욱더 요구되며 전체적인 효율성이 감소하게 된다. 본 연구에서는 IDsystem으로 빠른 훈련과정과 일반화 능력, 구조적인 단순함으로 다양한 분야에서 연구가 진행 중인 신경망 모델 중 하나인 Radial Basis Function(RBF)를 사용하였으며, 효율성 제고를 위하여 RBF에 적용 할 입력 간들의 중요성을 선 처리 단계에서 판별하여 불필요한 입력 값들을 축약하기 위해 결정계수(R-square)같을 측정, 알려지지 않은 공격과 알려진 공격들을 판별 할 수 있는 IDsystem을 제안하였다.

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

문제 정의

구성된다. 그 중 결정계수(Coefficient of Determination; 값을 이용하여 정상과 비정상에 영향올 미치는 입력변수를 선택하는 방법인 데이터선 처리과정과 침입 탐지 모듈인 RBF가 공격을 탐지하기 위한 본 연구의 핵심이다.
본 연구에서는 IDsystem 우회도구인 fragrouteri- 이용한 공격을 탐지하기 위한 모델을 제안한다. 다옴은 본 연구애서 제안된 탐지 모듈의 구성이다.
본 연구에서는 원시데이터의 축약을 옹용, 신경망을 이용한 침입 탐지 시스템을 제안하였다. 정상과 공격에 영향을 미치는 의미 있는 입력벡터들을 사용하여, 탐지 시스템을 위한 설정 시간을 줄였으며, 잘 알려진 공격의 변형을 통해, 단순 패턴 매칭 시스템을 우회하는 공격도구를 탐지하기 위하여 빠른 훈련과정과 분류능력이 뛰어난 RBF롤 사용하여 높은 탐지 율을 보여주었다.

제안 방법

가상공격 시묠레이션을 설정하여 LAN을 통해 TCP/IP 덤프데이터養 수집하였으며 卫 종류 및 공격 특성은 다음 표1과 같다.
이 과정은 침압 탐지 시스템의 방대한 데이터 처려로 인한 오류와 탐지 모듈의 정상과 비정상 판별에의 효율성을 위한 것으로, 너무 많은 변수의 사용은 공격과 정상의 판별의 모호성을 제공 할 소지가 있다. 따라서 본 연구에서는 경험적으로 정상/비정상 판별에 영향을 주는 변수 군을 선택한 후 입력 변수와 목표변수 (정상/비정상)간의 결정계수(R2)를 이용하여 최종 입력 변수是 선정하는 방법 홀 사용하였다. 결정계수란 목표 변수의 분산 중 입력 변수에 의해 설명되눈 분산의 비율을 의미하는 것으로 식(1)과 같다.
본 연구에서는 IDsystem 우회도구 탐지를 위하여 다옴 그림과 같은 실험환경을 구축하여 데이터를 추출하였다.
본 연구에서는 이러한 침입 탐지예의 어려움에 착안하여 패턴인식과 분류의 문제에 좋온 효과를 보여주는 신경망 알고리즘 중 하나인 Radial Basis FunctioHRBF)올 사용하여 알려지지 않온 다양한 공격에의 탐지를 위하여 비청상 행위 람지방식으로 실험올 진행하였으며, 보다 효율적인 데이터 처리를 위하여 변수 선택 알고리즘 중 하나인 결정계수(R-$qua足)값을 측정하여 선택된 변수亳 RBF의 입력 값으로 사용하였다.
앞서 소개된 데이터수집과 선 처리과정을 거친 입력벡터들을 RBF 의 입려노드에 적용, 그 결과로서 각 패킷 당 정상온 1, 비정상은 0이라는 클래스 라벨 값을 홍하여 정상과 비정상울 판별하였다.
제안된 침입 탐지 시스템은 데이터 수집, 데이터 선 처리, 침입 탐지, 츨력모듈로 구성된다. 그 중 결정계수(Coefficient of Determination; 값을 이용하여 정상과 비정상에 영향올 미치는 입력변수를 선택하는 방법인 데이터선 처리과정과 침입 탐지 모듈인 RBF가 공격을 탐지하기 위한 본 연구의 핵심이다.

대상 데이터

RBF의 학습을 위하여 정상 데이터 1000개와 비정상 데이터1000개롤 구성, 총 2000개의 데이터롤 사용하였으며, 테스트롤 위해 정상과 비정상 패킷 각 50개폴 구성하여 실험을 진행하였다. 다옴 표3온 침입 탐지의 결과를 보여준다.

이론/모형

침입 탐지롵 위한 모델로서 바른 훈련과정과 일반화 능력, 구조적인 단순함으로 다양한 분야에서 연구가 진행 중안 신경망 모델 중 하나인 RBF불 사용하였다. 불명확한 입력에 대한 일반화 능력이 우수하며⑶⑷, 일반적으로 복잡하다고 인식되는 분류 문제에 효과적이어서 ftagrouter와 같이 알려지지 않은, lin血하게 구분 할 수 없는 복잡한 형태의 공격을 탐지하기에 적합하고 빠론훈련과정으로 시스템의 자원소모룰 최대한 줄일 수 았으며, 사용의 간편함으로 IDsystem의 유지와 설정, 업데이트 둥의 부가 비용이 查요 없다는 것에 착안하여 선택하게 되었다.

성능/효과

정상과 공격에 영향을 미치는 의미 있는 입력벡터들을 사용하여, 탐지 시스템을 위한 설정 시간을 줄였으며, 잘 알려진 공격의 변형을 통해, 단순 패턴 매칭 시스템을 우회하는 공격도구를 탐지하기 위하여 빠른 훈련과정과 분류능력이 뛰어난 RBF롤 사용하여 높은 탐지 율을 보여주었다. 그러나, RBF의 학습을 위해 사용되어지는 데이터 양의 판단이 수동적으로 이루어짐으로서 false positive가 높아지며, 적절한 학습데이터 양의 판단이 힘든 경향을 실협에서 보여주었다. 이에 향후 과제로서 학습데이터의 양을 자동적으로 판단해 주는 알고리즘을 통해 false positive롤 낮추는 연구를 할 것이며, 우회공격뿐만 아니라 DOS와 같은 여러 공격들에 대한 실협을 병행할 것이다.
전체적으로비숫한 성능을 가지며, 데이터 축약이라는 선 처리 작업이 많은 양의 데이터를 처리하는 탐지 시스템애 적용될 수 았는 가능성올 보여준다. 잘못된 분류는 실험L 실험2 모두 비정상을 정상으로 판별하는 false positive였으며 이는 RBF의 학습을 위한 데이터 양이나 비율의 적절한 조절로 줄일 수 있을 것으로 보안다.
제안하였다. 정상과 공격에 영향을 미치는 의미 있는 입력벡터들을 사용하여, 탐지 시스템을 위한 설정 시간을 줄였으며, 잘 알려진 공격의 변형을 통해, 단순 패턴 매칭 시스템을 우회하는 공격도구를 탐지하기 위하여 빠른 훈련과정과 분류능력이 뛰어난 RBF롤 사용하여 높은 탐지 율을 보여주었다. 그러나, RBF의 학습을 위해 사용되어지는 데이터 양의 판단이 수동적으로 이루어짐으로서 false positive가 높아지며, 적절한 학습데이터 양의 판단이 힘든 경향을 실협에서 보여주었다.

후속연구

그러나, RBF의 학습을 위해 사용되어지는 데이터 양의 판단이 수동적으로 이루어짐으로서 false positive가 높아지며, 적절한 학습데이터 양의 판단이 힘든 경향을 실협에서 보여주었다. 이에 향후 과제로서 학습데이터의 양을 자동적으로 판단해 주는 알고리즘을 통해 false positive롤 낮추는 연구를 할 것이며, 우회공격뿐만 아니라 DOS와 같은 여러 공격들에 대한 실협을 병행할 것이다.
전체적으로비숫한 성능을 가지며, 데이터 축약이라는 선 처리 작업이 많은 양의 데이터를 처리하는 탐지 시스템애 적용될 수 았는 가능성올 보여준다. 잘못된 분류는 실험L 실험2 모두 비정상을 정상으로 판별하는 false positive였으며 이는 RBF의 학습을 위한 데이터 양이나 비율의 적절한 조절로 줄일 수 있을 것으로 보안다.

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

원시데이터 축약 알고리즘을 이용한 신경망의 침입탐지시스템으로의 접근
Neural network with audit data reduction algorithm for IDsystem 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

원시데이터 축약 알고리즘을 이용한 신경망의 침입탐지시스템으로의 접근 Neural network with audit data reduction algorithm for IDsystem 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

원시데이터 축약 알고리즘을 이용한 신경망의 침입탐지시스템으로의 접근
Neural network with audit data reduction algorithm for IDsystem 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper