BGP 데이터의 기계학습 분석을 통한 적대세력 사이버 활동탐지 (Detect cyber activity of hostile forces through machine learning analysis of BGP datas)

서지정보

· 발행기관 : 국방보안연구소
· 수록지 정보 : 국방과 보안 / 4권 / 2호 / 9 ~ 33페이지
· 저자명 : 박한솔, 정재영, 이재연, 신동일, 신동규

초록

전 세계적으로 사이버 공격은 계속 증가해 왔으며, 그 영향으로 국가 기관에막대한 피해가 발생하고 있다. 이에 따라, 美, 국방부는 사이버 공간을 전장으로규정하며, 민간과 군대가 연계하여 사이버 공격을 방어하기 위한 연구에천문학적인 투자를 하고 있다. 적대세력의 사이버 공격의 피해를 최소화하기위해서 그들의 사이버 활동을 탐지하여 이상징후로 분류할 시스템이 필요하다.
본 논문에서는 적대세력의 사이버 공격을 탐지하고 대응하기 위해, 사이버활동을 패턴을 오토인코더에 학습시켜 탐지하는 시스템을 제안한다. 본연구에서는 적대세력의 사이버 활동 정보가 저장된 BGP(Border Gateway Protocol) 데이터를 오토인코더에 학습시켰다. 그 결과로 적대세력의 사이버활동탐지 정확도는 93.4%, F1-점수(score)는 91%의 성능을 보였다. 이를 통해사이버 공격에 대한 탐지 및 대응에 도움이 될 것이라 기대된다.

영어초록

Cyber attacks have continued to increase worldwide, resulting in enormous damage to state institutions. Accordingly, the U.S. Department of Defense defines cyberspace as a battlefield, and is investing astronomically in research to defend against cyberattacks in collaboration with the civilian and military forces. Despite the above efforts, the number of victims of cyber attacks is continuously increasing, and it is not easy to respond to attacks. As above, in order to minimize damage from cyber attacks by hostile forces, a system that detects their cyber activities and classifies them as anomalies is needed. In this paper, in order to detect and respond to cyber attacks by hostile forces, we propose a system that detects cyber activity patterns by learning autoencoders. In this study, the autoencoder was trained with BGP data, in which cyber activity information of hostile forces was stored. As a result, the ability to detect cyber activities of hostile forces showed 93% performance. This is expected to help detect and respond to cyber attacks.

참고자료

· 없음