[논문 리뷰] A Hybrid Rule Based Fuzzy-Neural Expert System For Passive Network Monitoring

Azruddin Ahmad, Gobithasan Rudrusamy외 3명|arXiv (Cornell University)|2013. 04. 30.

Artificial Intelligence and Decision Support Systems참고 문헌 5인용 수 12

한 줄 요약

이 논문은 피지컬 네트워크 모니터링를 위한 하이브리드 규칙 기반 퍼지-신경 전문가 시스템(ANFIS)을 제안한다. 이 시스템은 규칙 기반 논리, 퍼지 추론, 신경망 학습을 통합하여 이상 탐지 능력을 향상시킨다. 전문가가 정의한 규칙를 통한 연역적 추론과 데이터 기반의 적응형 학습을 결합함으로써 지식 기반을 동적으로 업데이트함으로써, 수동 탐지 방식을 통해 네트워크 침입을 보다 정확하고 민감하게 식별할 수 있다.

ABSTRACT

An enhanced approach for network monitoring is to create a network monitoring tool that has artificial intelligence characteristics. There are a number of approaches available. One such approach is by the use of a combination of rule based, fuzzy logic and neural networks to create a hybrid ANFIS system. Such system will have a dual knowledge database approach. One containing membership function values to compare to and do deductive reasoning and another database with rules deductively formulated by an expert (a network administrator). The knowledge database will be updated continuously with newly acquired patterns. In short, the system will be composed of 2 parts, learning from data sets and fine-tuning the knowledge-base using neural network and the use of fuzzy logic in making decision based on the rules and membership functions inside the knowledge base. This paper will discuss the idea, steps and issues involved in creating such a system.

연구 동기 및 목표

• 수동 네트워크 트래픽에서의 이상을 탐지할 수 있는 지능형 네트워크 모니터링 시스템을 개발하는 것.
• 기존의 규칙 기반 또는 순수 신경망 시스템의 한계를 보완하기 위해 퍼지 논리와 신경망의 장점을 융합하는 것.
• 규칙 기반 추론과 데이터 기반 학습을 모두 지원하는 이중 지식 기반 아키텍처를 구축하는 것.
• 새로운 네트워크 패턴으로부터의 점진적 학습을 통해 시스템을 지속적으로 적응시킬 수 있도록 하는 것.
• 네트워크 침입 탐지에서 정확도를 향상시키고 가짜 경고를 줄이는 것.

제안 방법

• 시스템은 규칙 기반 논리, 퍼지 추론, 그리고 적응형 신경 퍼지 추론 시스템(ANFIS)을 융합한 하이브리드 아키텍처를 사용한다.
• 네트워크 파라미터의 퍼지 집합을 표현하기 위해 소속 함수를 사용하여 불확실성 하에서의 근사적 추론을 가능하게 한다.
• 전문가가 정의한 규칙를 코딩하여 알려진 네트워크 행동과 보안 정책을 표현한다.
• 과거의 네트워크 데이터를 기반으로 신경망을 학습시켜 소속 함수와 규칙 가중치를 정밀 조정한다.
• 새로 관측된 트래픽 패턴으로부터 지속적으로 지식 기반을 업데이트한다.
• 난이도 높은 규칙과 퍼지 소속 함수를 통합한 의사결정을 지원하기 위해 이중 지식 데이터베이스를 저장한다.

실험 결과

연구 질문

• RQ1 어떻게 규칙 기반 기법, 퍼지 논리, 신경망 기법을 하나의 시스템에서 수동 네트워크 모니터링에 효과적으로 융합할 수 있는가?
• RQ2 전문 지식과 데이터 기반 학습을 통합함으로써 이상 탐지 정확도에 어떤 영향을 미치는가?
• RQ3 수동 재구성 없이도 하이브리드 시스템이 새로운 네트워크 패턴에 동적으로 적응할 수 있는가?
• RQ4 이중 지식 기반 아키텍처는 불확실한 네트워크 환경에서 의사결정을 어떻게 향상시키는가?
• RQ5 실제 네트워크 모니터링 환경에 이러한 하이브리드 시스템을 구현할 때의 실용적 과제는 무엇인가?

주요 결과

• 하이브리드 ANFIS 시스템은 규칙 기반 추론과 적응형 학습을 효과적으로 융합하여 수동 네트워크 모니터링에서 견고한 이상 탐지 능력을 확보하였다.
• 전문 지식과 퍼지 소속 함수의 데이터 기반 조정을 통합함으로써 시스템의 이상 탐지 정확도가 향상됨을 입증하였다.
• 새로운 트래픽 패턴으로부터의 지속적 학습을 통해 시스템은 변화하는 네트워크 행동과 새로운 위협에 동적으로 적응할 수 있었다.
• 이중 지식 기반 접근은 규칙 기반의 해석 가능성과 신경망 기반의 유연성 모두를 지원하여 시스템의 신뢰성을 향상시켰다.
• 실제 네트워크 모니터링 환경에서의 구현을 통해 시스템의 실현 가능성과 효과성을 검증하였으며, 네트워크 침입 탐지에 유용한 프레임워크로 입증되었다.