강화학습 기반의 IoT 시스템 보안을 위한 네트워크 침입탐지시스템 자동화 구성 방안 = A Network Intrusion Detection System Automation Configuration for IoT System Security based on Reinforcement Learning
저자
발행사항
서울 : 동국대학교 일반대학원, 2022
학위논문사항
학위논문(박사)-- 동국대학교 일반대학원 : 정보통신공학과 2022. 8
발행연도
2022
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
93 p. ; 26 cm
일반주기명
지도교수: 김양우
UCI식별코드
I804:11020-000000084547
DOI식별코드
소장기관
As the IoT market is activated, massive network data has been generated. The IoT environment is very sensitive to security because accidents can occur due to leakage of personal information or manipulation of sensor data. Various machine learning algorithms are combined or improved to improve intrusion detection performance in the existing intrusion detection system research. In addition, the intrusion was detected by selecting or extracting important data using feature engineering technology. Since these studies are often made to work well in a dataset, it is unknown whether they can work well in a changing network environment in reality. In addition, various IoT intrusion detection system studies have been conducted to protect the IoT environment. Still, it is often unknown whether the performance is effective in the IoT environment by verifying the performance through a dataset like KDDCUP99 and NSL-KDD that are not relevant in IoT. This paper proposes IDHCS that automates the intrusion detection system using PPO to solve these problems and reliably protect the IoT environment. IDHCS consists of the intrusion detection module composed of a DNN feature extractor to extract key data from a changing network environment and a K-means cluster to cluster the extracted data and a PPO agent that automates the intrusion detection system by learning and controlling the intrusion detection module. Through experiments, it was confirmed that the hidden layer configuration and the number of feature extraction of the DNN feature extractor, and the number of clusters in the K-means had a great effect on the intrusion detection performance. PPO directly controls these hyperparameters and finds the optimized value itself. To evaluate the performance of IDHCS, CICIDS2017, UNSW-NB15, and MQTTset data sets were used. The experiment was conducted in four types. F1-Score 0.9707 in CICIDS2017, F1-Score 0.95362 in UNSW-NB15, and F1-Score 0.9973 in MQTTset were obtained. Finally, the merging the three datasets, an F1-Score 0.9827 was obtained. The three datasets have different attack types. In particular, MQTTset is very suitable for evaluating IoT intrusion detection systems because it is data measured through various sensor data along with MQTT or CoAP protocol configuration mainly used in IoT. Therefore, when the three data sets are merged, it is possible to construct a new highly complex data set with attack diversity, abundant volumes, and protocol diversity, suggesting the possibility of detecting new network attacks. The superiority of the IDHCS proposed in this paper can be confirmed because it shows high performance in each dataset and at the same time, very high performance in merged datasets with very high complexity. IDHCS is expected to be able to protect the IoT environment more quickly and safely by automatically learning according to network changes and adjusting the intrusion detection module.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)