http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 부석준 (검색결과 1 건)
-
Deep learning-based classification models for cybersecurity threats
부석준 Graduate School, Yonsei University 2023 국내박사
글로벌 인터넷의 확산과 기술의 진보에 따라, 보다 개인화된 장비가 그 어느 때보다도 개인의 삶에 깊숙히 연관된 환경이 조성되었다. 최적의 디지털 환경을 제공하는 것과 동시에, 보안은 연구자의 가장 중요한 과제가 되었다. 디지털 환경을 활용해서 사용자의 개인 식별 정보 (PII), 컴퓨팅 리소스 및 시스템 조작 권한을 훔치는 디지털 공격이 증가하고 있다. 사이버 보안이라는 용어는 이러한 형태의 디지털 공격으로부터 컴퓨팅 시스템과 개인정보를 지키기 위한 노력으로 정의된다. 다행히도, 디지털 환경에서 수집된 방대한 데이터에 대한 가용성으로 사이버 보안 위협에 대한 다양한 탐지 방법이 탐구되고 있다. 특히, 대량의 관측치에 기반하여 고성능 맵핑 함수를 학습하는 딥러닝 접근은 이러한 환경에 적용하기에 적절하다. 본 논문에서는 사이버보안 분야에서 가장 치명적인 위협으로 알려진 악성코드, 내부자 공격, 피싱 공격을 탐지하기 위한 딥러닝 기반 분류 모델을 제안한다. 우리는 전통적인 탐지 방법에서 현대 딥러닝 모델을 기반으로 하는 탐지 방법에 이르기까지 광범위하게 조사하였고, 세가지 도전 문제와 해결 방법을 정리하였다. 첫번째, 악성코드 탐지의 후처리과정 중 가장 중요한 단계인 악성코드 분류 문제를 정의하고 딥러닝 기반의 악성코드 분류기를 제안한다. 이때 딥러닝 기반 분류기는 레이블이 잘 지정된 대량의 훈련 데이터가 필요하고 미관측 (zero-day) 악성코드에 취약하다는 점을 고려하여, 다른 딥러닝 모델과의 결합 방법을 설계하고 악성코드 샘플을 자동으로 생성함으로써 문제를 해결하였다. 두번째, 역할-기반 접근제어 환경 (role-based access control) 에서 내부자 공격을 탐지하기 위한 딥러닝 기반 SQL 역할 분류기를 설계한다. 데이터베이스에 여러 테이블에 동시에 액세스하는 SQL 쿼리를 모델링하는 것이 어렵다는 점을 감안할 때, SQL 역할 분류기는 학습가능성과 적응성이 동시에 확보되어야 한다. 우리는 조합론적 탐색 프로세스를 통해 하이퍼파라미터 공간을 분할하는 효과가 있는 유전자 알고리즘과 결합된 딥러닝 방법을 제안한다. 세번째, 웹사이트를 통한 피싱 공격을 탐지하기 위해 딥러닝 기반 URL 분류기를 설계한다. 피싱 URL 은 기본적으로 보고된 직후에 폐기되며 자동으로 생성되는 미관측 공격이다. 우리는 피싱 URL 분류 작업은 귀납적 학습 접근으로는 처리하기 어려울 수 있다는 점을 지적하고, 딥러닝에 실제-세계의 제약 조건을 주입하기 위한 도메인 지식과의 결합 방법을 제안한다. 제안하는 딥러닝 기반 분류 모델들은 각 태스크에서 최신의 다른 방법과 광범위하게 비교되었고, 각 문제에서 최고의 정확도와 재현율을 달성하였음을 10겹 교차검증하였다. With the proliferating global internet and technological advances, an environment has been created in which personalized equipment is more deeply connected with an individual's life than ever before. Alongside optimally providing the digital environment, the researchers' most significant challenge is security. Attacks that abuse digital environments to steal personally identifiable information (PII), computing resources, and privileges to manipulate systems are on the rise. The term cybersecurity is defined as endeavors to protect computing systems and personal information from these forms of digital attack. Fortunately, various detection methods for cybersecurity threats are being explored with the availability of massive data collected in the digital environment. In particular, a deep learning method to learn a high-performance mapping function based on a large amount of observation is suitable for application in these environments. In this thesis, we propose deep learning models for malware, insider attacks, and phishing attacks, known as the most lethal threats in cybersecurity. We have compiled three challenge issues and solutions from an extensive investigation ranging from traditional detection methods to detection methods based on modern deep learning models. First, we formulate the malware classification problem, the most critical step in the post-processing of malware detection, and design a malware classifier based on deep learning. Considering that deep learning-based classifiers require large amounts of well-labeled training data and are vulnerable to zero-day malware, we propose a deep learning model enhanced with other deep learning models to generate malware samples efficiently. Second, we design a SQL role classifier based on deep learning to detect insider attacks in a role-based access control environment. Given the difficulty of modeling SQL queries that access multiple tables in a database, SQL role classifiers require learnability and adaptability. We propose a deep learning model embedded with a genetic algorithm that partitions the hyperparameter space through a combinatorial search process. Third, we design a URL classifier based on deep learning to detect phishing attacks through websites. Phishing URLs are essentially zero-day attacks that are automatically generated and discarded immediately after being reported. The phishing URL classification task may be challenging with inductive learning approaches. We propose an integration method with domain knowledge to inject real-world constraints into deep learning. The proposed knowledge-integrated deep learning models were extensively compared with other state-of-the-art techniques, and the highest accuracy and recall were achieved in each task.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
