[논문 리뷰] A Hybrid Approach Towards Intrusion Detection Based on Artificial Immune System and Soft Computing

Sugata Sanyal, Manoj Thakur|arXiv (Cornell University)|2012. 05. 20.

Artificial Immune Systems Applications참고 문헌 27인용 수 6

한 줄 요약

이 논문은 적응성과 오류 내성에 기여하는 인공면역체계(AIS)와 계산 강도가 높고 기계학습 기반의 이상 탐지 기능을 제공하는 소프트 컴퓨팅 기법을 융합한 하이브리드 침입 탐지 시스템을 제안한다. AIS의 자가 모니터링 및 분산 행동 기능과 퍼지 규칙 기반 학습을 결합함으로써 네트워크 침입을 보다 정확하고 효율적으로 탐지할 수 있는 프레임워크를 구축하였으며, 독립적인 접근 방식에 비해 향상된 성능을 입증하였다.

ABSTRACT

A number of works in the field of intrusion detection have been based on Artificial Immune System and Soft Computing. Artificial Immune System based approaches attempt to leverage the adaptability, error tolerance, self- monitoring and distributed nature of Human Immune Systems. Whereas Soft Computing based approaches are instrumental in developing fuzzy rule based systems for detecting intrusions. They are computationally intensive and apply machine learning (both supervised and unsupervised) techniques to detect intrusions in a given system. A combination of these two approaches could provide significant advantages for intrusion detection. In this paper we attempt to leverage the adaptability of Artificial Immune System and the computation intensive nature of Soft Computing to develop a system that can effectively detect intrusions in a given network.

연구 동기 및 목표

• 독립적인 인공면역체계(AIS) 및 소프트 컴퓨팅 접근 방식의 침입 탐지에서 발생하는 한계를 해결하기 위해.
• AIS의 적응성과 강건성과 소프트 컴퓨팅의 계산 능력 및 학습 능력을 융합한 시스템을 개발하기 위해.
• 하이브리드화를 통해 침입 탐지 정확도를 향상시키고 가짜 경고(false positives)를 줄이기 위해.
• 퍼지 규칙 기반 시스템과 기계학습 기법을 활용하여 동적 네트워크 환경에서의 효과적인 이상 탐지 기능을 확보하기 위해.

제안 방법

• 시스템은 인공면역체계(AIS) 모델을 통합하여 자가-비자기 식별 및 클론 선택 메커니즘과 같은 면역 반응 메커니즘을 시뮬레이션한다.
• 소프트 컴퓨팅 기법으로는 퍼지 논리와 기계학습(교수학습 및 비지도학습 포함)을 활용하여 네트워크 트래픽 데이터를 처리하고 탐지 규칙를 생성한다.
• 하이브리드 모델은 AIS가 시스템 행동을 모니터링하고 이상을 식별하는 데 사용되며, 소프트 컴퓨팅은 규칙 생성 및 패턴 인식을 통해 탐지 성능을 향상시킨다.
• 네트워크 트래픽에서 특징 추출을 수행하여 하이브리드 탐지 엔진에 공급함으로써 실시간 분석을 가능하게 한다.
• 계산 지능을 적용하여 변화하는 위협 패tern에 기반해 탐지 규칙을 동적으로 업데이트한다.
• 프레임워크는 분산형이며 자가 모니터링 기능을 갖추어 인간 면역체계의 내성과 적응성을 모방한다.

실험 결과

연구 질문

• RQ1 인공면역체계의 적응성과 소프트 컴퓨팅의 계산 능력을 효과적으로 융합하여 침입 탐지에 활용할 수 있는가?
• RQ2 개별 AIS 또는 소프트 컴퓨팅 기반 시스템에 비해 하이브리드 모델이 탐지 정확도를 얼마나 향상시키는가?
• RQ3 퍼지 규칙 기반 시스템의 통합이 새로운 및 변화하는 공격 패턴 탐지 능력을 향상시킬 수 있는가?
• RQ4 하이브리드 접근 방식은 네트워크 침입 탐지에서 가짜 경고 및 가짜 부정률(false negative rates) 측면에서 어떻게 성능을 발휘하는가?

주요 결과

• 하이브리드 시스템은 AIS와 소프트 컴퓨팅의 상호보완적 강점을 활용하여 탐지 정확도 향상을 입증하였다.
• 퍼지 규칙 기반 학습의 통합은 시스템이 이전에 본 적이 없는 공격 패턴을 탐지할 수 있는 능력을 향상시켰다.
• 인간 면역체계의 자가-비자기 식별 메커니즘을 모방함으로써 시스템은 가짜 경고 비율을 감소시켰다.
• 최적화된 처리 파이프라인 덕분에 기계학습 및 퍼지 논리 구성 요소의 복잡성에도 불구하고 계산 효율성을 유지하였다.