네트워크 침입 탐지 성능 향상을 위한 생성적 적대 신경망 활용
생성적 적대 신경망을 활용하여 실제 네트워크 트래픽과 유사한 합성 데이터를 생성함으로써 네트워크 침입 탐지 시스템의 성능을 향상시킬 수 있다.
ML 기반 네트워크 침입 탐지 시스템의 불확실성 정량화를 통한 신뢰성 향상
ML 기반 침입 탐지 시스템은 예측의 불확실성을 정량화하여 신뢰성을 높여야 한다. 이를 통해 알려진 공격에 대한 분류 성능을 높이고, 능동적 학습을 수행하며, 알려지지 않은 공격을 탐지할 수 있다.
ML 기반 네트워크 침입 탐지 시스템에 대한 적대적 회피 공격의 실용성
동적 학습이 ML 기반 네트워크 침입 탐지 시스템에 대한 적대적 공격의 효과를 감소시킬 수 있다.
테라비트 네트워크를 위한 ML 기반 악성 트래픽 탐지기 Peregrine
Peregrine은 네트워크 스위치의 데이터 플레인에서 ML 특징 계산을 오프로드하여 테라비트 속도의 네트워크 트래픽을 효과적으로 탐지할 수 있는 시스템이다.
네트워크 트래픽 내 악성코드 탐지 및 분류를 위한 트랜스포머 기반 프레임워크
제안된 트랜스포머 기반 모델은 네트워크 패킷의 페이로드 바이트를 활용하여 악성 트래픽을 효과적으로 탐지하고 분류할 수 있다.
실시간 탐지를 위한 사전 학습된 GCN 기반의 봇넷 탐지 모델
사전 학습된 GCN 모델을 통해 네트워크 흐름 특징과 토폴로지 특징을 깊이 융합하여 C2 및 P2P 구조의 봇넷을 효과적으로 탐지할 수 있는 모델을 제안한다.
자원 제한적 디바이스를 위한 실시간 위협 탐지 전략
자원 제한적 디바이스에서 실시간으로 DNS 터널링 공격을 효과적으로 탐지하기 위해서는 경량화된 특징과 네트워크 구성에 독립적인 모델이 필요하다.
정밀한 서비스 거부 공격 탐지 및 위치 추적을 위한 딥러닝과 프레임 융합 기술 통합
본 연구는 정밀한 서비스 거부 공격 모델을 제안하고, 딥러닝 기반의 다중 프레임 융합 기술을 활용하여 대규모 NoC에서의 공격 탐지 및 위치 추적 성능을 향상시킨다.
미국 내 IP 주소의 위치 검증을 위한 바이저틴 내성 삼각 측량 프로토콜
인터넷 지연 측정을 활용하여 IP 주소의 위치를 안전하게 검증하는 프로토콜을 제안한다. 이 프로토콜은 바이저틴 행동에 대한 내성을 가지고 있다.
미국 내 IP 주소의 정확한 위치 확인을 위한 바이저틴 내성 삼각 측량 프로토콜
인터넷 지연 측정을 활용하여 IP 주소의 위치를 안전하게 확인할 수 있는 바이저틴 내성 프로토콜을 제안한다. 이를 위해 인터넷 지오메트리 증명(PoIG) 프로토콜과 위치 증명(PoLoc) 프로토콜을 도입하여 바이저틴 공격에 강인한 지리적 위치 확인 기법을 제시한다.
