KCC 2021
Current Result Document : 57 / 57
| 한글제목(Korean Title) |
DGA 도메인 탐지를 위한 LSTM과 GRU 모델 비교 |
| 영문제목(English Title) |
Comparison of LSTM and GRU models for DGA domain detection |
| 저자(Author) |
김현종
길명선
문양세
Hyeonjong Kim
Myeong-Seon Gil
Yang-Sae Moon
|
| 원문수록처(Citation) |
VOL 48 NO. 01 PP. 0122 ~ 0124 (2021. 06) |
한글내용
(Korean Abstract) |
Command and Control(C&C) 서버를 이용한 사이버 공격에서는 DGA(Domain Generation Algorithm)가 자주 사용된다. 이러한 DGA 도메인 차단을 위해 블랙리스트, 리버스 엔지니어링, 특성 기반 DGA 도메인 탐지 기술이 등장하였으나, 이는 빠른 속도로 변화하는 DGA 도메인 탐지에는 비효율적이다. 따라서, 최근에는 딥러닝 기반의 탐지 기법들이 연구되고 있다. 본 논문에서는 DGA 도메인 탐지에 적합한 딥러닝 모델을 선정하기 위해 LSTM과 GRU 중심의 탐지 모델을 제시한다. 또한, 모델 성능 개선 효과를 확인하기 위해 어텐션 매커니즘과 Bidirectional을 적용한 탐지 기법을 함께 제시한다. 실험 결과, 기본 LSTM과 GRU 모두 96% 이상 높은 탐지 정확도를 보였으며, 이를 통해 DGA 도메인 탐지에서 LSTM과 GRU간의 큰 성능 차이가 없음을 확인하였다. 또한, 어텐션 매커니즘과 Bidirectional을 적용한 LSTM과 GRU 모델 역시 의미 있는 성능 개선을 확인하기 어려웠다. 이는 DGA 도메인 데이터 학습 시 정보 및 기울기 손실이 발생하지 않으며, 역방향 데이터 사용 또한 성능에 큰 영향을 미치지 않음을 의미한다. 실험 결과를 요약하면, LSTM보다 구조가 단순한 GRU 모델이 학습과 추론 시간 측면에서 유리하며, 이는 DGA 도메인 탐지 모델 선정에 활용할 수 있는 의미 있는 결과가 사료된다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
