기계 학습 활용 운영체제 핑거프린팅 연구 조사 = A Survey on Machine Learning Based OS Fingerprinting

국문 초록 (Abstract)

본 논문에서는 운영체제(OS) 식별에 관한 최신 연구 동향을 조사하였고, 그중 기계 학습 기술이 적용된 운영체제 핑거프린팅을 중점적으로 다루었다. 현대 정보보호 분야에서 자산관리 또는 취약점 진단을 수행하는 과정에서 운영체제 식별의 중요성은 더욱 강조되고 있다. 최근의 연구에서는 기계 학습을 활용하여 핑거프린팅의 한계를 극복하려는 시도가 두드러지고 있으며, 다양한 데이터와 알고리즘을 활용하여 운영체제를 효과적으로 분류하는 방법이 모색되고 있다. 본 논문은 기계 학습 기반의 운영체제 핑거프린팅에 관한 최신 연구 동향을 종합적으로 검토하고, 기존 방법의 한계를 극복하고자 하는 노력을 다룬다. 또한, 운영체제 식별 분야의 응용 가능성과 연구 방향을 제시한다.

다국어 초록 (Multilingual Abstract)

In this paper, we investigate the latest advancements in operating system (OS) identification, with a particular emphasis on fingerprinting techniques that leverage machine learning technology. Within the contemporary information security landscape, the importance of OS identification is becoming increasingly pronounced, particularly for tasks like asset management and vulnerability assessment. Recent research has witnessed significant efforts to address the limitations of fingerprinting through the integration of machine learning. Researches are actively exploring various data sources and algorithms to effectively distinguish between different operating systems. This paper provides a comprehensive review of the latest research trends in machine learning-based OS fingerprinting, focusing on how these approaches aim to overcome existing limitations of traditional methods. Additionally, the paper discusses the applicability of these techniques and explores potential future research directions within the field of OS identification.