정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
Convolutional Neural Network를 이용한 웹 어플리케이션 공격 탐지 기법 |
| 영문제목(English Title) |
Web Application Attack Detection Scheme Using Convolutional Neural Networks |
| 저자(Author) |
서영웅
김명진
박승영
이석우
Yeongung Seo
Myungjin Kim
Seungyoung Park
Seokwoo Lee
|
| 원문수록처(Citation) |
VOL 45 NO. 07 PP. 0744 ~ 0754 (2018. 07) |
한글내용
(Korean Abstract) |
웹 어플리케이션 공격이 급격하게 늘면서 기존의 기법들만으로는 이를 탐지하는 것이 한계가 있어, 기계학습 기반의 탐지 기법이 연구되기 시작하였다. 기계학습을 활용한 기존 기법은 공격 탐지를 위해 적절한 특징(feature)을 선정해야 하는 어려움이 있으며, 새로운 공격 패턴이 등장할 경우 이에 적합하도록 특징을 재선정해야 할 경우도 발생한다. 본 논문에서는 HTTP 트래픽을 구성하는 입력이 허용되는 문자에 대한 제한 없이 문자 단위로 16진수 변환한 후 이미지화하고, 이를 입력으로 하는 convolutional neural network을 통해 웹 어플리케이션 공격을 탐지하는 기법을 제안한다. 제안 기법은 별도의 특징 선정 없이 지도학습을 통해 이미지화 된 HTTP 트래픽을 학습하며, 기존의 기계학습 기법보다 최대 84.4%까지 공격 탐지 오류율 성능을 향상할 수 있음을 보였다.
|
영문내용
(English Abstract) |
Because rates of web application attacks are rapidly increasing, web application attack detection schemes using machine learning have recently become of interest. Existing schemes, however, require the selection of a suitable set of features representing the characteristics of expected attacks, and this set of features needs to be adjusted every time a new type of attack is discovered. In this paper, we propose a web application attack detection scheme employing a convolutional neural network (CNN) without the need to select any features in advance. Specifically, the CNN is trained in a supervised manner with images transformed from hexadecimally converted characters in HTTP traffic, without any restriction in the input characters used. Our experimental results show that the proposed scheme improves detection error rate performance by up to 84.4% over existing schemes.
|
| 키워드(Keyword) |
컨볼루션 신경망
지도학습
SQL 인젝션
크로스 사이트 스크립팅
웹 어플리케이션
convolutional neural network
supervised learning
SQL injection
cross site scripting
web application
|
| 파일첨부 |
PDF 다운로드
|
