Review of KIISC (정보보호학회지)

Korea Institute of Information Security and Cryptology (한국정보보호학회)
권호 표지

인공신경망 알고리즘을 통한 사물인터넷 위협 탐지 기술 연구

  • 오성택 (한국인터넷진흥원 정보보호R&D기술공유센터 보안위협대응R&D팀) ;
  • 고웅 (한국인터넷진흥원 정보보호R&D기술공유센터 보안위협대응R&D팀) ;
  • 김미주 (한국인터넷진흥원 정보보호R&D기술공유센터 보안위협대응R&D팀) ;
  • 이재혁 (한국인터넷진흥원 정보보호R&D기술공유센터 보안위협대응R&D팀) ;
  • 김홍근 (한국인터넷진흥원 정보보호R&D기술공유센터 보안위협대응R&D팀) ;
  • 박순태 (한국인터넷진흥원 정보보호R&D기술공유센터 보안위협대응R&D팀)
  • Published : 2019.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

사물인터넷 환경은 무수히 많은 이기종의 기기가 연결되는 초연결 네트워크 구성을 갖는 특성이 있다. 본 논문에서는 이러한 특성을 갖는 사물인터넷 환경에 적합한 보안 기술로 네트워크를 통해 침입하는 위협의 효율적인 탐지 기술을 제안한다. 사물인터넷 환경에서의 대표적인 위협 행위를 분석하고 관련하여 공격 데이터를 수집하고 이를 토대로 특성 연구를 진행하였다. 이를 기반으로 인공신경망 기반의 오토인코더 알고리즘을 활용하여 심층학습 탐지 모델을 구축하였다. 본 논문에서 제안하는 탐지 모델은 비지도 학습 방식의 오토인코더를 지도학습 기반의 분류기로 확장하여 사물인터넷 환경에서의 대표적인 위협 유형을 식별할 수 있었다. 본 논문은 1. 서론을 통해 현재 사물인터넷 환경과 보안 기술 연구 동향을 소개하고 2. 관련연구를 통하여 머신러닝 기술과 위협 탐지 기술에 대해 소개한다. 3. 제안기술에서는 본 논문에서 제안하는 인공신경망 알고리즘 기반의 사물인터넷 위협 탐지 기술에 대해 설명하고, 4. 향후연구계획을 통해 추후 활용 방안 및 고도화에 대한 내용을 작성하였다. 마지막으로 5. 결론을 통하여 제안기술의 평가와 소회에 대해 설명하였다.

Keywords

References

  1. M. Tavallaee, E. Bagheri, W. Lu, A. Ghorbani, "A detailed analysis of the KDD CUP 99 data set", Second IEEE Symposium on Computational Intelligence for Security and Defense Applications, CISDA, 2009.
  2. L. Dhanabal, Dr. S.P. Shantharajah, A Study on NSL-KDD Dataset for Intrusion Detection System Based on Classification Algorithmss, International Journal of Advanced Reserarch in Computer and Communication Engineering, IJARCCE, 2015
  3. Mirsky, Yisroel, et al. "Kitsune: An Ensemble of Autoencoders for Online Network Intrusion Detection." Network and Distributed Systems Security (NDSS) Symposium 2018
  4. Restuccia, Francesco, Salvatore D'Oro, and Tommaso Melodia. "Securing the internet of things in the age of machine learning and software-defined networking," IEEE Internet of Things Journal, 5(6), pp. 4829-4842, 2018. https://doi.org/10.1109/JIOT.2018.2846040
  5. A. John, R. Peter, "Electric Communi- cation Development," Communications of the ACM, 40, pp. 71-79, May 1997.
  6. Midi, Daniele, et al. "Kalis-A system for knowledge-driven adaptable intrusion detection for the Internet of Things." 2017 IEEE 37th International Conference on Distributed Computing Systems (ICDCS). IEEE, 2017.
  7. Alaba, Fadele Ayotunde, et al. "Internet of Things security: A survey." Journal of Network and Computer Applications 88 (2017): 10-28. https://doi.org/10.1016/j.jnca.2017.04.002
  8. Hodo, Elike, et al. "Threat analysis of IoT networks using artificial neural network intrusion detection system." 2016 International Symposium on Networks, Computers and Communications (ISNCC). IEEE, 2016.
  9. Diro, Abebe Abeshu, and Naveen Chilamkurti. "Distributed attack detection scheme using deep learning approach for Internet of Things." Future Generation Computer Systems 82 (2018): 761-768. https://doi.org/10.1016/j.future.2017.08.043
  10. Doshi, Rohan, Noah Apthorpe, and Nick Feamster. "Machine learning ddos detection for consumer internet of things devices." 2018 IEEE Security and Privacy Workshops (SPW). IEEE, 2018.
  11. Nobakht, Mehdi, Vijay Sivaraman, and Roksana Boreli. "A host-based intrusion detection and mitigation framework for smart home IoT using OpenFlow." 2016 11th International conference on availability, reliability and security (ARES). IEEE, 2016.