Kunerva+: 클라우드 네이티브 환경을 위한 지능형 네트워크 정책 생성 프레임워크 (Kunerva+: An Intelligent Network Policy Generation Framework for Cloud Native Environments)

서지정보

· 발행기관 : 한국정보보호학회
· 수록지 정보 : 정보보호학회논문지 / 34권 / 6호 / 1335 ~ 1344페이지
· 저자명 : 김봄, 이승수

초록

컨테이너는 확장성, 이식성, 자원 효율성을 활용하여 클라우드 네이티브 서비스를 제공하는 표준이 되었다. 동시에 잘못된 구성과 취약점, 특히 네트워크 정책의 취약점을 악용하는 다양한 보안 공격의 대상이 되고 있다. 복잡한 클라우드 네이티브 환경에서 수동으로 정책을 관리하는 것은 오류를 발생시키기 쉽고, 정책 생성을 자동화하는 기존 연구들은 정확성에 한계가 있다. 본 논문은 고도로 자동화된 지능형 네트워크 생성 프레임워크인 Kunerva+를 제시한다. Kunerva+는 자연어 처리와 파인튜닝된 대규모 언어 모델을 통해 강화된 의도 기반 방식으로 작동하여, 복잡한 구성을 이해할 필요 없이 네트워크 정책을 생성하고 정책 시행에서 잘못된 구성을 근본적으로 방지하기 위해 다단계 검증 프로세스를 고안했다. 평가 결과, 가장 개선된 파인튜닝된 LLM이 기준 모델보다 BLEU 점수는 360%, ROUGE-2 점수는 233% 향상되며, 의도 기반 생성의 가능성과 효과성을 입증했다.

영어초록

Containers have become the standard for delivering cloud-native services, leveraging their scalability, portability, and resource efficiency. Simultaneously, they have become targets for various security attacks exploiting misconfigurations and vulnerabilities, particularly in network policies. In complex cloud-native environments, manual policy management is prone to errors, and existing research on policy generation automation has limitations in accuracy. This paper presents Kunerva+, a highly automated intelligent network policy generation framework. It operates through an enhanced intent-based approach using natural language processing and fine-tuned large language models, generating network policies without the need to understand complex configurations. We have also devised a multi-stage validation process to fundamentally prevent misconfigurations in network policy enforcement. The evaluation results show that the most improved fine-tuned LLM achieved a 360% increase in BLEU score and 233% in ROUGE-2 score compared to the baseline model, demonstrating the potential and effectiveness of intent-based generation.

참고자료

· 없음