기계학습 기반 침해사고 경보 위험도 예측

국문 초록 (Abstract)

공공기관의 사이버침해대응센터는 최근 폭발적으로 증가하는 로그와 이벤트 등의 위협정보를 처리하고 대응하는데 어려움이 있다. 이는 기하급수적으로 증가하는 정보를 처리하고 분석하는데 너무 많은 시간이 소요되기 때문이다. 하루에도 무수히 발생하는 보안 이벤트 공격 흔적을 빠르게 찾아내기 위해서는 고차원의 정보 저장·분석 능력이 필수적으로 요구된다. AI(Artificial Intelligence) 기술은 방대한 위협 정보의 분석 및 학습을 통해 공격의 탐지 및 예측이 가능하고, AI 기술을 통하여 효율적인 대응 전략을 수립하는데 도움이 될 것으로 예상하고 있다.
근래에 들어 기하급수적으로 증가하는 사이버 공격 경보 관련 데이터 분석의 정탐율을 높이고 진화하는 보안 위협에 효율적으로 대응하기 위한 방안으로 보안관제 부문에 기계학습(Machine Learning) 기술을 적용하려는 시도가 증가하고 있다.
기계학습 기반 보안관제시스템 운영을 위해서는 대용량의 데이터로부터 양질의 정보를 추출하고 분석해 최적의 학습 데이터를 만드는 것이 필요하다. 이를 위하여 보안전문가들이 직접 양질의 학습 데이터를 생성하고 선별하는 과정에 참여한다. 정보보호 분야의 기계학습 기반 보안 기술이 아직 초기 단계인 만큼, 기계학습 기반 학습 모델이 의미 있는 결과물을 창출하기 위해서는 기계학습 알고리즘에 적용하기 위한 학습 데이터를 선별하고, 원하는 결과를 얻기 위한 최적의 알고리즘을 선택·검증하는 것이 선결되어야 한다.

보안 담당자는 기계학습 알고리즘을 통해 걸러진 위험도가 높은 중요한 경보를 선제적으로 집중 분석함으로써 고도화된 보안 위협 대응에 보다 집중하고 기계학습 알고리즘에 적용할 또 다른 학습 데이터를 생성하며, 기계학습 기반 예측 모델에 더 많은 피드백을 줄 수 있다.
본 연구를 통하여 통합보안관제시스템의 경보 데이터와 침해사고 처리 내역에 기계학습 기술을 적용해 오탐지·정상탐지 여부를 예측하고, 이상행위로 판단되는 보안경보 이벤트의 위험도를 수치화해 이를 우선순위에 따라 처리할 수 있는 가이드를 제시하고자 한다.

목차 (Table of Contents)

• Ⅰ. 서 론 1
• 1.1 연구의 배경 1
• Ⅱ. 보안관제 시스템과 업무분석 2
• 2.1 ESM(Enterprise Security Management) 2
• 2.2 SIEM(Security Information & Event Management) 3
• 2.3 보안관제의 개념 7
• 2.4 보안관제의 업무분석 8
• Ⅲ. 기계학습 기술과 응용분야 10
• 3.1 기계학습 이란 10
• 3.2 기계학습 분야별 응용동향 12
• 3.2.1 딥러닝 기술의 핵심 인공신경망 12
• Ⅳ. 보안 이벤트 별 위험도 예측 모델 설계 16
• 4.1 기계학습(Machine Learning) 기반 보안관제 필요 16
• 4.2 기계학습 기반 위험도 예측 모델 설계 17
• 4.2.1 기계학습 기술 기반 모델 설계 17
• 4.2.1.1 A기관 보안관제 이벤트 분석 18
• 4.2.1.2 A기관 보안 장비별 보안 정책 분석 20
• 4.2.1.3 최신 위협에 대한 침해 대응 시나리오 23
• 4.2.1.4 기계학습 기반 보안 관제를 위한 학습 데이터 선정 28
• 4.2.1.5 기계학습 기반 보안 경보 별 위험도 예측 모델 설계 34
• 4.2.1.6 방화벽 공격 탐지 관계 분석 35
• 4.2.1.7 웹 방화벽(WAF) 공격 탐지 관계 분석 36
• 4.2.1.8 웹 방화벽(WAF) 공격 탐지 관계 분석(확장) 37
• 4.2.1.9 침입차단(IPS) 공격 탐지 관계 분석 38
• 4.2.2 학습 데이터 전처리(Preprocessing) 42
• 4.2.2.1 데이터 준비(Data Preparation) 43
• 4.2.2.2 데이터 변환(Data Aggregation) 46
• 4.2.3 기계학습 알고리즘 적용 47
• 4.2.3.1 모델 적용 학습 데이터 처리 48
• 4.2.3.2 경보 별 위험도 예측 모델 51
• 4.3 침해사고 경보 별 위험도 예측 모델 결과 분석 54
• 4.3.1 기계학습 적용 결과분석 55
• Ⅴ. 결론 56
• 참고문헌 58