동적분석 기반 악성코드 자동 분류 기법에 관한 연구

최보민(Bomin Choi),강홍구(Hongkoo Kang),이태진(Taejin Lee) 한국통신학회 2016 한국통신학회 학술대회논문집 Vol.2016 No.1

베이지안 네트워크 개선을 통한 탐지율 향상의 IDS 모델

최보민(Bomin Choi),이정식(Jungsik Lee),한명묵(Myung-Mook Han) 한국지능시스템학회 2014 한국지능시스템학회논문지 Vol.24 No.5

최근 보안 분야에서는 네트워크 패킷이나 로그와 같은 네트워크 정보를 수집하고 분석함으로써 네트워크 위협에 대응할 수 있는 침입탐지 시스템에 대한 연구를 활발히 진행되고 있다. 특히, 베이지안 네트워크는 주어진 몇 몇 자료만으로도 정확도 높은 침입에 대한 추론이 가능한 이점으로 이를 이용한 침입탐지 시스템의 모델링 기법들이 이전에도 진행되어 왔다. 그러나 이전 연구들에서는 네트워크 패킷간의 복잡성 문제와 이용되는 패킷 데이터의 연속성 문제를 반영하지 못하고 있기 때문에 높은 탐지정확도 산출에 한계가 있다. 따라서 본 논문에서는 이전 모델들이 갖는 문제들의 개선을 통하여 탐지율을 향상시키기 위해 K-means 클러스터링 기반의 두 가지 방법론을 제안한다. 첫 번째로는 K-means 클러스터링 기반의 정교한 노드구간 범위를 설정방법을 제안하여 연속성 데이터 처리 문제를 개선할 수 있다. 또한 두 번째로는 K-means 클러스터링 기반으로 산출된 가중치를 학습에 적용하여 보다 견고한 CPT를 산출하여 탐지성능을 향상 시킬 수 있다. 제안하는 방법론들의 성능을 입증하기 위하여 방법론 모두를 적용한 K_WTAN_EM에 대한 탐지율을 이전 모델들과 비교 실험을 수행하였다. 실험 결과 제안하는 모델의 탐지율이 이전의 순수베이지안 네트워크기반(NBN) 모델 보다는 약 7.78%의 향상도를 보였고 트리확장 수수베이지안 네트워크(TAN) 모델 보다는 약 5.24%의 향상도를 산출하여 제안하는 방법의 우수성을 입증하였다. In recent days, a study of the intrusion detection system collecting and analyzing network data, packet or logs, has been actively performed to response the network threats in computer security fields. In particular, Bayesian network has advantage of the inference functionality which can infer with only some of provided data, so studies of the intrusion system based on Bayesian network have been conducted in the prior. However, there were some limitations to calculate high detection performance because it didn`t consider the problems as like complexity of the relation among network packets or continuous input data processing. Therefore, in this paper we proposed two methodologies based on K-menas clustering to improve detection rate by reforming the problems of prior models. At first, it can be improved by sophisticatedly setting interval range of nodes based on K-means clustering. And for the second, it can be improved by calculating robust CPT through applying weighted-leaning based on K-means clustering, too. We conducted the experiments to prove performance of our proposed methodologies by comparing K_WTAN_EM applied to proposed two methodologies with prior models. As the results of experiment, the detection rate of proposed model is higher about 7.78% than existing NBN(Naive Bayesian Network) IDS model, and is higher about 5.24% TAN(Tree Augmented Bayesian Network) IDS mode and then we could prove excellence our proposing ideas.

베이지안 네트워크 학습을 이용한 방공 무기 체계에서의 위협평가 기법연구

최보민(Bomin Choi),한명묵(Myung-Mook Han) 한국지능시스템학회 2012 한국지능시스템학회논문지 Vol.22 No.6

위협평가는 전장상황을 인지하여 아군의 자산을 보호하고 무장 할당의 효율적 의사결정에 도움을 줄 수 있는 기술로서, 교전을 실시할 트랙들에 대한 우선순위를 결정하는 알고리즘이다. 즉, 다 표적 교전상황에서의 신속한 의사결정을 도와 아군의 피해를 최소한으로 하고 적군에 대한 공격을 최대한으로 하는 것을 목적으로 한다. 위협평가에 이용되는 위협치 산출은 전장에서 발생하는 센서 데이터들을 통해 연산된다. 그러나 전장상황은 예측 불허하고 다양한 변수가 일어날 가능성이 높으므로 이러한 데이터들의 변질 및 유실은 위협평가를 통한 의사결정에 혼란을 더할 수 있다. 그러므로 본 논문에서는 불완전한 몇 몇 데이터만을 가지고도 신뢰도 높은 결과를 산출하는 데 유리한 베이지안 네트워크의 추론기능과 전장 환경변화에 네트워크의 적응을 가능하게 해주는 학습기능을 위협평가 분야에 적용하여 보다 견고한 위협치를 산출할 것을 제안하여 실험을 통해 이에 대한 성능을 입증하였다. A threat evaluation is the technique which decides order of priority about tracks engaging with enemy by recognizing battlefield situation and making it efficient decision making. That is, in battle situation of multiple target it makes expeditious decision making and then aims at minimizing asset’s damage and maximizing attack to targets. Threat value computation used in threat evaluation is calculated by sensor data which generated in battle space. Because Battle situation is unpredictable and there are various possibilities generating potential events, the damage or loss of data can make confuse decision making. Therefore, in this paper we suggest that substantial threat value calculation using learning bayesian network which makes it adapt to the varying battle situation to gain reliable results under given incomplete data and then verify this system’s performance.

NoSQL기반의 MapReduce를 이용한 방화벽 로그 분석 기법

최보민(Bomin Choi),공종환(Jong-Hwan Kong),홍성삼(Sung-Sam Hong),한명묵(Myung-Mook Han) 한국정보보호학회 2013 정보보호학회논문지 Vol.23 No.4

방화벽은 대표적인 네트워크 보안 장비로서 대부분의 네트워크 내/외부에 설치되어 패킷의 입/출입을 통제하는 시스템이다. 때문에 이에 저장된 로그 데이터를 분석하는 것은 네트워크 보안연구에 중요한 기초 자료를 제공해 줄 수 있다. 그런데 최근 기술의 발달로 인터넷망의 속도가 향상되고, 네트워크가 대형화 되면서 방화벽에서 저장하는 로그데이터들의 양도 대용량화 또는 빅데이터화 되어 가고 있다. 이러한 추세 속에서, 기존의 전통적인 RDBMS방식으로 로그데이터를 분석하는 데는 한계가 있다. 본 논문은 NoSQL 기반의 MapReduce 설계를 이용한 방화벽 로그 분석기법을 통해 NoSQL방식을 도입하는 것이 대용량 로그 데이터를 더욱 효율적으로 분석할 수 있다는 점을 발견했다. 우리는 기존의 RDBMS방식과의 데이터 처리 성능을 비교하여 NoSQL방식 데이터베이스의 우수한 성능을 입증하였고, 이를 바탕으로 제안하는 설계 기법을 평가하기 위해 3가지 공격 패턴을 선정하고 이를 집계 하여 분석을 수행하는 실험을 통해 제안하는 분석 기법의 성능 및 정확성을 입증하였다. As the firewall is a typical network security equipment, it is usually installed at most of internal/external networks and makes many packet data in/out. So analyzing the its logs stored in it can provide important and fundamental data on the network security research. However, along with development of communications technology, the speed of internet network is improved and then the amount of log data is becoming "Massive Data" or "BigData". In this trend, there are limits to analyze log data using the traditional database model RDBMS. In this paper, through our Method of Analyzing Firewall log data using MapReduce based on NoSQL, we have discovered that the introducing NoSQL data base model can more effectively analyze the massive log data than the traditional one. We have demonstrated execellent performance of the NoSQL by comparing the performance of data processing with existing RDBMS. Also the proposed method is evaluated by experiments that detect the three attack patterns and shown that it is highly effective.

베이지안 네트워크 학습을 이용한 방공 무기 체계에서의 위협평가 기법연구

최보민(Bomin Choi),한명묵(Myung-Mook Han) 한국지능시스템학회 2012 한국지능시스템학회 학술발표 논문집 Vol.22 No.2

빅 데이터 기반의 네트워크 패킷 분석 모델

최보민(Bomin Choi),공종환(Jong-Hwan Kong),한명묵(Myung-Mook Han) 한국지능시스템학회 2013 한국지능시스템학회논문지 Vol.23 No.5

IT 기술 발달 및 정보화 시대로 인해 우리 사회 전반에 걸쳐 많은 부분이 네트워크에 대한 의존도가 상당히 커지고 있다. 이는 다양한 정보 및 서비스 획득의 용이성을 제공해 주는 이점이 있는 반면에, 네트워크 침입자들로 하여금 더 많은 취약성의 루트를 제공할 수 있는 부정적 효과도 따르고 있다. 이는 네트워크 이용과 함께 증가한 패킷의 다양한 루트를 악용하여 네트워크의 연결된 시스템에 서비스 장애나 마비를 일으키는 악의적인 위협 및 공격 또한 함께 증가하고 있음을 의미하며 이러한 문제에 대한 해결책이 시급히 필요하다. 이에 보안 분야에서는 네트워크 패킷이나 시스템 로그 등을 수집하여 이를 분석하고 이러한 위협에 대응할 수 있는 다양한 보안 솔루션을 개발하고 있으나, 기존의 분석 방식들로는 점차 방대해져가고 있는 보안 데이터들을 처리하는데 데이터 저장 공간 부족 및 이에 따른 성능 저하와 같은 여러 문제점들이 발생하고 있다. 따라서 본 논문에서는 보안 영역 분야에서도 최근 이슈가 되고 있는 빅 데이터 기술을 적용하여 이러한 문제점들을 개선하는 모델을 제안한다. 즉, 대용량 데이터 저장 기술인 NoSQL을 통해 점차 방대해져 가는 패킷데이터를 수집하고, 분산 프로그래밍모델인 맵리듀스 기반의 K-means 클러스터링을 설계하여 네트워크 침입에 대한 특징 및 패턴을 추출 할 수 있는 분석모델을 제안하고 실험을 통하여 이에 대한 우수성을 입증하였다. Due to the development of IT technology and the information age, a dependency of the network over the most of our lives have grown to a greater extent. Although it provides us to get various useful information and service, it also has negative effectiveness that can provide network intruder with vulnerable roots. In other words, we need to urgently cope with theses serious security problem causing service disableness or system connected to network obstacle with exploiting various packet information. Many experts in a field of security are making an effort to develop the various security solutions to respond against these threats, but existing solutions have a lot of problems such as lack of storage capacity and performance degradation along with the massive increase of packet data volume. Therefore we propose the packet analysis model to apply issuing Big Data technology in the field of security. That is, we used NoSQL which is technology of massive data storage to collect the packet data growing massive and implemented the packet analysis model based on K-means clustering using MapReudce which is distributed programming framework, and then we have shown its high performance by experimenting.

5G 네트워크 기술 진화에 따른 새로운 5G 보안 도전과제와 해외 보안 아키텍처 연구 동향

김환국(Kim Hwan Kuk),최보민(Bomin Choi),고은혜(Eunhye Ko),박성민(Seongmin Park) 한국정보보호학회 2019 情報保護學會誌 Vol.29 No.5

2019년 4월, 4세대 이동통신보다 최대 20배 빠른 속도, 10배 많은 IoT 기기의 연결, 10배 짧은 저지연 서비스를 제공하기 위해 5세대 이동통신이 세계최초로 상용화되었다. 5G 이동통신기술은 고속 대용량의 음성 및 데이터 통신을 제공할 뿐만 아니라 지연 속도와 신뢰성에 민감한 IoT 기기를 수용하기 위해 다양한 최신 기술을 적용하는 기술적 진보가 있었다. 그러나 5G 네트워크 및 서비스가 개방성, 확장성, 유연성을 제공하기 위해 분산 코어 네트워크 구조와 소프트웨어기반 아키텍처(SDN·NFV, MEC, 클라우드 컴퓨팅 등)로의 기술적 변화는 새로운 공격 접근 경로와 네트워크 슬라이싱과 같은 논리적인 계층의 복잡한 보안 가시성 이슈 등 사이버보안관점에서 새로운 도전(Challenges)이 되고 있다. 본 논문에서는 5G 모바일 네트워크의 기술적 변화에 따른 보안도전과제와 해외 5G 보안 아키텍처 연구들을 분석하여 5G 보안 설계 및 운영 고려사항을 고찰하고자 한다.

효율적인 악성코드 변종그룹 분류 신뢰도 향상방안 연구

유대훈(Yoo Daehoon),최보민(Choi Bomin),강홍구(Kang Hongkoo),이태진(Lee Taejin) 한국정보과학회 2016 한국정보과학회 학술발표논문집 Vol.2016 No.12

정보 융합 기반 퍼지-베이지안 네트워크 공중 위협평가 방법

윤종민 ( Jongmin Yun ),최보민 ( Bomin Choi ),한명묵 ( Myung-mook Han ),김수현 ( Su-hyun Kim ) 한국인터넷정보학회 2012 인터넷정보학회논문지 Vol.13 No.5

정보 기술의 발전과 더불어 전장상황에서도 정보 시스템들의 고도화가 이루어짐으로써 적기에 대한 정보 획득 및 상황분석은 전장상황에서 주요한 요소가 되었다. 전장상황 분석의 핵심 요소인 위협평가는 피아식별을 통해 식별된 항공 정보를 가지고 해당 상황에 대한 위협치를 평가하여 무기할당에 정보를 제공하는 기술로써, 전장상황의 어느 단계 보다 확실한 정보를 요구하는 단계이다. 전장상황에서 대부분의 위협평가 데이터들은 감지된 센서 값에 의해 연산되어 전달되는데, 기존의 기법들에서 발생할 수 있는 센서데이터들의 잘못된 연관관계 표현 및 데이터 누락은 전장상황에서의 의사결정에 혼란을 야기 시킬 수 있다. 따라서 각종 센서 데이터들의 연관 관계를 올바르게 정의하고, 센서데이터 누락에 따른 예측 불가능한 전투상황에 대한 신뢰도 높은 위협치 연산 알고리즘을 이용하는 효율적인 의사결정 위협평가 시스템이 필요하다. 본 논문에서는 JDL 정보 융합 모델을 기반으로 애매모호한 관계성을 표현하는데 유리한 퍼지 이론, 데이터 습득의 불확실한 전장상황에서 위협치를 추론하고 상황에 대한 학습이 가능한 베이지안 네트워크를 하이브리드하여 새로운 위협평가 방법을 제안한다. 또, 제안된 방법을 이용하여 가상의 전장 시나리오에 따른 위협평가 결과를 보였다. Threat Evaluation(TE) which has air intelligence attained by identifying friend or foe evaluates the target`s threat degree, so it provides information to Weapon Assignment(WA) step. Most of TE data are passed by sensor measured values, but existing techniques(fuzzy, bayesian network, and so on) have many weaknesses that erroneous linkages and missing data may fall into confusion in decision making. Therefore we need to efficient Threat Evaluation system that can refine various sensor data`s linkages and calculate reliable threat values under unpredictable war situations. In this paper, we suggest new threat evaluation system based on information fusion JDL model, and it is principle that combine fuzzy which is favorable to refine ambiguous relationships with bayesian network useful to inference battled situation having insufficient evidence and to use learning algorithm. Finally, the system`s performance by getting threat evaluation on an air defense scenario is presented.