퍼지 신경망을 이용한 앙상블 기반 침해사고 보안 모델 = Security Model of Cyber Incident Based Ensemble Using Fuzzy Neural Networks

국문 초록 (Abstract)

최근 보안시스템으로부터 수집되는 보안사고 건수는 빅데이터 환경과 침해기술의 고도화로 인해 기하급수적으로 증가하고 있다. 이로 인해 침해사고분석가들은 사이버공격에 따른 침해사고가 발생했을 때 대량의 침해사고를 분류 및 분석하는데 시간과 비용이 증가하고 인적오류를 야기하는 문제점에 직면한다. 따라서 유사침해사고에 대한 평가 기법을 공유해서 지속적 공격행위와 침해 분석업무을 신속하고 정확하게 처리할 수 있는 침해사고 분류가 요구되고 있다. 이의 해결을 위해서 퍼지모델과 신경망 모델에 의해 침해유형을 분류한 후에 이 둘을 결합하는 퍼지 신경망을 이용한 앙상블 기반 침해사고 보안 모델을 제안한다. 제안모델은 신규 침해사고에 대한 유사한 침해사고 유형에 대한 정보를 제공하여 지속적 공격행위의 탐지와 침해사고 분석의 신속성과 정확성을 제공해서 실용성을 확대한다.

다국어 초록 (Multilingual Abstract)

The number of security incidents collected from security systems has been increasing exponentially due to the advancement of big data environments and intrusion technologies. As a result, incident analysts face the challenge of classifying and analyzing a large volume of security incidents when a cyberattack occurs, leading to increased time, costs, and human errors. Therefore, a security incident classification system is needed that can quickly and accurately handle continuous attack activities and incident analysis by sharing evaluation techniques for similar incidents. To address this, a security model of cyber incident based ensemble using fuzzy neural network is proposed, where intrusion types are classified using fuzzy models and neural network models, and then these two are combined. The proposed model provides information about similar incident types for new security incidents, improving the speed and accuracy of detecting continuous attack activities and analyzing incidents, thereby enhancing its practicality.