2020년 컴퓨터종합학술대회
Current Result Document :
| 한글제목(Korean Title) |
내부자 침입탐지를 위한 데이터베이스 트랜잭션 분리 표현 학습 |
| 영문제목(English Title) |
Learning Disentangled Representation of Database Transaction for Detecting Intrusion via Insider Attack |
| 저자(Author) |
Gwang-Myong Go
Seok-Jun Bu
Sung-Bae Cho
고광명
부석준
조성배
|
| 원문수록처(Citation) |
VOL 47 NO. 01 PP. 0922 ~ 0924 (2020. 07) |
한글내용
(Korean Abstract) |
사용자 역할기반 데이터베이스 관리 시스템은 정보 저장 및 분석을 위해 가장 널리 사용되고 있는데, 내부자 공격에 취약하다는 것이 여러 연구를 통해 밝혀지고 있다. 침입탐지의 핵심은 적응형 시스템으로 요약될 수 있으며, 이러한 관점에서 데이터베이스에 접근하는 사용자 질의에 대한 분류 예측을 수행하여 실제 시스템에 의해 수행된 내용과 비교를 통해 예측값과 상이한 경우 내부자 공격을 판단할 수 있는 방법이 유용하다. 사용자 질의라는 상호 유사성이 높은 데이터 중에서 특성이 다른 데이터 간의 구분이라는 문제 해결을 위해 입력의 유의미한 특징을 모형이 잘 추출하고, 신경망을 사용하여 유사성의 척도를 직접적으로 학습하는 계층적 구조를 가지는 딥 매트릭 신경망을 제안한다. 학습모델은 TPC-E 라는 공개된 설계 구조를 활용하여 각각의 역할을 가지는 11개의 분류모형당 1,000개의 질의를 생성하여 사용하였으며, 기존 선행연구와 비교했을 때 가장 높은 성능인 95.02%의 분류정확도를 달성하였으며, 제안하는 방법의 정량적 성능을 10겹 교차검증으로 평가함으로써 침입탐지 모형의 타당성을 검증하였다. 또한 신경망으로 임베딩한 특징공간을 시각화하고, 결함 간의 압축벡터의 군집화 분석을 통해 제안하는 모형을 정성적으로 분석하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
