강화학습 기반 자율형 사이버 위협 공격 COA 탐색 기술 동향 (Trends in Autonomous Course of Action for Cyber Attacks Using Reinforcement Learning)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 47권 / 11호 / 1776 ~ 1787페이지
· 저자명 : 손석빈, 이해민, 박수현, 김동화, 김중헌

초록

네트워크의 규모가 커지고 복잡해짐에 따라 악의적인 공격자에 의한 보안 위협은 지속적으로 증가하고 있다. 잠재적인 사이버 공격에 대처하기 위해 다양한 테스트 방법이 개발되어 타깃 네트워크의 보안을 평가하고 실제 적대자를 생성하여 일련의 전략적 공격 행동(COA, Course of Action)을 탐색한다. 그러나 현재의 공격 COA 기술에는특히 크고 복잡한 네트워크의 경우 비용이 많이 들고 광범위한 인적 노력이 필요하다는 점이 있다. 또한, 불확실한네트워크의 상태에 대한 자율적 공격의 필요성이 대두되고 있다. 이러한 맥락에서, 강화학습 기반 접근법은 유망한해결책으로, 본 논문에서는 강화학습 기반 공격 COA 전략의 최신 연구 동향과 그 한계점을 소개한다.

영어초록

As the network is getting large and complex with massively connected endpoints, the security threats from malicious adversaries have continuously increased. Various testing methods have been developed for the prior security evaluation of a target network to derive a series of strategic attack actions that we call Course of Action (COA) by emulating real active adversaries. However, current attack COA techniques require extensive human effort and cost, especially for large and complex networks, and the need for autonomous attack COA on the uncertain state of the target network has emerged. In this context, the reinforcement learning-based approach is regarded as a promising solution. This paper introduces an overview of the state-of-the-art research in RL-based attack COA strategies with the remaining limitations.

참고자료

· 없음