적대적 판별 도메인 적응과 리샘플링 기법을 활용한 실시간 침입탐지시스템 성능 향상 방안 (Enhancing Real-time Intrusion Detection System Performance through Adversarial Discriminative Domain Adaptation and Resampling Techniques)

서지정보

· 발행기관 : 한국국방경영분석학회
· 수록지 정보 : 한국국방경영분석학회지 / 50권 / 1호 / 112 ~ 126페이지
· 저자명 : 손혜림, 김영원

초록

침입탐지시스템은 네트워크에서 악의적인 활동과 정책 위반을 감지하고 보고서를 생성하는 시스템이다. 최근에는 인공지능 기술로 인해 침입탐지시스템의효율성이 향상되고 있다. 하지만 이러한 인공지능 기반의침입탐지시스템 모델은 정상 클래스와 비정상 클래스 간의 데이터 불균형 문제로 인해 다수 클래스에 편향되어 소수 클래스에 대한 탐지 성능이 떨어지는 경우가 빈번하다. 또한, 이전에 본 적이 없는 새로운 유형의공격 데이터는 모델의 정확한 탐지율을저하시킨다. 본 논문은 이러한 문제를 종합적으로 해결하기 위해 리샘플링과 적대적 판별 도메인 적응을 결합한 접근 방식을 제안한다. 데이터 불균형 문제를 완화하기 위해리샘플링 기법인 ADASYN과 Tomek Links를 함께 사용하고, 새로운 공격 탐지의 한계를 극복하기 위해 적대적 판별 도메인 적응 기법을도입하였다. 실험에는 NSL-KDD 침입탐지 데이터세트를 사용하였다. 실험결과, 제안한 방법이 리샘플링과 적대적 판별 도메인 적응 기법을 적용하지 않은딥러닝 모델 학습 결과보다약 8%P 높았으며 클래스별 분류 성능을 전반적으로 향상시켰다. 이러한 접근 방식은 국방 사이버 작전의침입탐지, 네트워크 사고 대응, 취약성 분석에서 탁월한 역할을 수행할 것으로 기대되며, 민간 및 공공 분야에서도 사이버 보안을 강화하고 더 안전한 디지털 환경을 조성하는 데기여할 것으로 여겨진다.

영어초록

An Intrusion Detection System(IDS) is a system that detects malicious activities and policy violations on a network and generates reports.
Recently, the efficiency of IDS has been improved due to AI technology. However, these AI-based IDS models are often biased toward the majority class due to the data imbalance problem between normal and abnormal classes, resulting in poor detection performance for minority classes. Additionally, it is extremely difficult to detect new types of attack data that have not been seen before. In this paper, we propose an approach that combines Resampling and Adversarial Discriminative Domain Adaptation(ADDA) to comprehensively solve these problems. To alleviate the data imbalance problem, Resampling techniques ADASYN and Tomek Links were used, and an ADDA was introduced to overcome the limitations of new attack detection. The NSL-KDD qintrusion detection dataset was used in the experiment.
As a result of the experiment, the proposed method was about 8% higher than the deep learning model learning result without applying Resampling and ADDA, and showed overall improved classification performance. This approach is expected to excel in intrusion detection, network in- cident response, and vulnerability analysis in defense cyber operations, and is expected to contribute to creating a more robust and secure digital environment for private and public sector cyber security.

참고자료

· 없음