지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 류연승
- 발행연도
- 2018
- 저작권
- 명지대학교 논문은 저작권에 의해 보호받습니다.
이용수17
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
오늘날 전 산업에 걸쳐 많은 기업들이 세계 시장에서 자신들의 입지를 확보하기 위해 신기술 확보에 많은 투자를 하고 있고 새로운 고객 확보에 온 힘을 쏟고 있다. 이러한 상황에서 정보유출 사고는 조직에게 막대한 피해를 입히기 때문에 과거보다 더 많은 비용과 시간을 들여 정보유출을 막기 위해 노력하고 있다.
하지만 최근 몇 년 동안 지속적으로 개인정보유출, 기술유출 사고가 계속해서 발생하고 있다. 조사에 따르면 이러한 유출 사고의 주체로 가장 많은 부분을 차지하고 있는 것이 조직 내부에 있는 ‘내부자’로, 조직의 주요 자산에 비교적 손쉽게 접근할 수 있다는 내부자의 특성으로 외부에서의 공격에 의한 기술유출에 비해 보다 더 큰 피해를 일으킬 수 있다. 실제 여러 글로벌 보안 분석업체에서 보안 전문가들로부터 받은 설문조사를 살펴보면 여전히 내부자위협은 회사에 큰 피해를 입힐 수 있고, 빈번히 일어나고 있다는 사실을 알 수 있다.
본 논문에서는 내부자위협을 사전에 탐지하기 위해 기계학습을 이용하여 조직 직원들의 비정상행위를 탐지해내는 모델에 대한 연구를 진행하였다. 미국 카네기멜론대학에서 내부자위협 연구를 위해 제공하고 있는 CERT 데이터를 이용하였고, 직원들의 일과 형태가 순차적으로 이뤄진다는 점에서 순차데이터 학습에 적합한 신경망 모델인 RNN(Recurrent Neural Network)을 이용하였다.
실험 결과 RNN으로 구현한 Autoencoder를 이용하여 대부분의 비정상행위를 탐지해 낼 수 있었고, 향후 과제를 제시하며 앞으로 기계학습을 이용한 내부자위협 탐지 모델에 관한 연구에 기여할 수 있을 것으로 예상된다.
하지만 최근 몇 년 동안 지속적으로 개인정보유출, 기술유출 사고가 계속해서 발생하고 있다. 조사에 따르면 이러한 유출 사고의 주체로 가장 많은 부분을 차지하고 있는 것이 조직 내부에 있는 ‘내부자’로, 조직의 주요 자산에 비교적 손쉽게 접근할 수 있다는 내부자의 특성으로 외부에서의 공격에 의한 기술유출에 비해 보다 더 큰 피해를 일으킬 수 있다. 실제 여러 글로벌 보안 분석업체에서 보안 전문가들로부터 받은 설문조사를 살펴보면 여전히 내부자위협은 회사에 큰 피해를 입힐 수 있고, 빈번히 일어나고 있다는 사실을 알 수 있다.
본 논문에서는 내부자위협을 사전에 탐지하기 위해 기계학습을 이용하여 조직 직원들의 비정상행위를 탐지해내는 모델에 대한 연구를 진행하였다. 미국 카네기멜론대학에서 내부자위협 연구를 위해 제공하고 있는 CERT 데이터를 이용하였고, 직원들의 일과 형태가 순차적으로 이뤄진다는 점에서 순차데이터 학습에 적합한 신경망 모델인 RNN(Recurrent Neural Network)을 이용하였다.
실험 결과 RNN으로 구현한 Autoencoder를 이용하여 대부분의 비정상행위를 탐지해 낼 수 있었고, 향후 과제를 제시하며 앞으로 기계학습을 이용한 내부자위협 탐지 모델에 관한 연구에 기여할 수 있을 것으로 예상된다.
목차
제1장 서 론 11. 연구배경 12. 연구 목적 3제2장 관 련 연 구 41. 내부자위협 42. 내부자위협 탐지 연구 52.1. 행위기반 탐지 52.2. Scoring 탐지 52.3. 기계학습 기반 탐지 6제3장 실험 데이터 71. CERT Dataset 72. CERT Dataset r4.2 구성 9제4장 내부자 비정상행위 탐지 모델 111. 실험 소개 112. Recurrent Neural Network와 Autoencoder 132.1. Recurrent Neural Network 132.2. Autoencoder 143. 내부자 비정상행위 탐지 모델 153.1. 데이터 전처리 153.2. 학습데이터 및 검증데이터 구성 173.3. Autoencoder 학습 203.4. 탐지기준 및 성능평가 기준 213.4.1. Loss 함수 213.4.2. 성능평가 기준 223.5. 실험결과 243.5.1. 임계값 243.5.2. 페널티 24제5장 결 론 28참 고 문 헌 29Abstract 31
최근 본 자료
댓글(0)
0