LSTM Language Modeling for Intrusion Detection Systems

국문 초록 (Abstract)

컴퓨터 보안에서 견고한 침입 탐지 시스템을 설계하는 것은 가장 핵심적이고 중요한 문제 중의 하나이다. 본 논문에서는 비정상 기반 호스트 침입 탐지 시스템 설계를 위한 시스템 콜 시퀀스와 분기 시퀀스에 대한 언어 모델 방법을 제안한다. 기존의 방법에서 흔히 발생하는 높은 오탐율 문제를 해결하기 위해 여러 임계값 분류기를 혼합하여 정상적인 시퀀스들을 잘 모을 수 있는 새로운 앙상블 방법을 사용하였다. 본 언어 모델은 기존 방법들이 잘 하지 못했던 각 시스템 콜의 의미와 그들 간의 상호 작용을 학습 할 수 있다는 장점이 있다. 공개된 데이터들과 새롭게 생성한 데이터를 바탕으로 다양한 실험을 통해 제안 된 방법의 타당성과 유효성을 입증하였다. 또한, 본 모델이 높은 이식성을 갖고 있음을 보였다.

목차 (Table of Contents)

• 국문초록 i
• Acknowledgement ii
• 1 Introduction 1
• 2 Language Model of System Call Sequences 6
• 2.1 Model Architecture 6
• 2.2 Baseline Classifiers 8
• 2.3 Performance Evaluation 9
• 3 Ensemble Method to Reduce False Alarms 14
• 3.1 Ensemble Method 14
• 3.2 Comparsion with Other Methods 15
• 4 Interpretation to Transfer Learning 19
• 4.1 Portability of Model 19
• 4.2 Visualization of Learned Representations 20
• 5 Generalization to Branch Sequences 23
• 5.1 Handling Open Vocabulary Problem 23
• 5.2 Experiments on Branch Sequences 24
• 5.3 Discussion on Branch Language Model 26
• 6 Future Work 28
• 6.1 Advanced Model Architecture 28
• 6.2 Finding Anomalous Segments 28
• 6.3 Adversarial Training 29
• 6.4 Online Learning Framework 30
• 7 Conclusion 31
• References 32
• Abstract 37