[논문 리뷰] Applications of Artificial Intelligence to Network Security

Alberto Perez Veiga|arXiv (Cornell University)|2018. 03. 27.

Network Security and Intrusion Detection참고 문헌 3인용 수 15

한 줄 요약

이 논문은 점점 더 정교해지는 사이버 공격에 대응하기 위해 네트워크 보안에 인공지능(AI)을 통합할 것을 주장한다. 기존의 보안 방법으로는 대응하기 어려운 현대의 적응형 공격을 더 정확하고 자동화된 방식으로 해결하기 위해 AI가 필수적이라고 결론 내리는 바이다. 최근의 AI 기법—예를 들어 머신러닝, 이질성 탐지, 행동 분석—을 활용한 위협 탐지 및 대응 기법을 종합적으로 검토한다.

ABSTRACT

Attacks to networks are becoming more complex and sophisticated every day. Beyond the so-called script-kiddies and hacking newbies, there is a myriad of professional attackers seeking to make serious profits infiltrating in corporate networks. Either hostile governments, big corporations or mafias are constantly increasing their resources and skills in cybercrime in order to spy, steal or cause damage more effectively. traditional approaches to Network Security seem to start hitting their limits and it is being recognized the need for a smarter approach to threat detections. This paper provides an introduction on the need for evolution of Cyber Security techniques and how Artificial Intelligence could be of application to help solving some of the problems. It provides also, a high-level overview of some state of the art AI Network Security techniques, to finish analysing what is the foreseeable future of the application of AI to Network Security.

연구 동기 및 목표

• 기존의 보안 조치로는 대응하기 어려운 점점 더 복잡하고 정교해지는 사이버공격의 증가 추세를 다루기 위해.
• 제로데이 공격과 고도로 발전한 지속적 위협(APT)에 대응하기 어려운 전통적 네트워크 보안 접근법의 한계를 규명하기 위해.
• AI를 통해 사전적이고 적응형이며 확장 가능한 위협 탐지 및 대응 메커니즘을 가능하게 할 수 있는 방법을 탐색하기 위해.
• 네트워크 보안에 적용 가능한 현재의 주요 AI 기법에 대한 개요를 제공하기 위해.
• 기업 및 핵심 네트워크를 보호하기 위한 AI의 향후 전개 방향을 요약하기 위해.

제안 방법

• 감독학습 및 비감독학습 모델을 포함한 네트워크 보안에 적용 가능한 기존 AI 및 머신러닝 기법을 조사하기 위해.
• 정상적인 네트워크 행동에서의 이탈을 식별하기 위해 AI를 활용하는 이질성 탐지 시스템을 분석하기 위해.
• 내부자 위협과 고도로 발전한 지속적 위협(APT)을 식별하기 위한 행동 분석 기법을 검토하기 위해.
• 변화하는 공격 패tern에 적응하는 AI 기반 침입 탐지 및 방지 시스템(IDPS)을 검토하기 위해.
• AI를 기존 보안 프레임워크와 통합하여 자동화를 향상시키고 가짜 경고(false positive)를 줄이는 방법을 평가하기 위해.
• 딥러닝과 신경망이 대규모 네트워크 트래픽을 처리하여 위협 예측에 기여하는 방식을 논의하기 위해.

실험 결과

연구 질문

• RQ1 AI는 기존의 시그니처 기반 방법을 초월하여 어떻게 고도의 위협과 제로데이 공격을 개선된 정확도로 탐지할 수 있는가?
• RQ2 네트워크 트래픽에서 이질적 행동을 식별하는 데 가장 효과적인 AI 기법은 무엇인가?
• RQ3 AI는 네트워크 보안 시스템의 자동화 및 반응성에 어떤 방식으로 기여할 수 있는가?
• RQ4 대규모로 AI를 네트워크 보안에 구현할 때의 주요 과제와 한계는 무엇인가?
• RQ5 AI의 미래는 네트워크 보안 아키텍처와 위협 완화 전략을 어떻게 변화시킬 것으로 기대되는가?

주요 결과

• 규칙 기반 시스템에 비해 AI 기반 시스템은 복잡하고 이전에 본 적 없는 위협에 대해 탐지 정확도가 크게 향상된다.
• 다양한 네트워크 트래픽 패턴으로 훈련된 머신러닝을 활용한 이질성 탐지 시스템은 침입 탐지에서 가짜 경고 비율을 감소시킨다.
• AI 기반 행동 분석은 기존 탐지 방법으로는 빠지는 내부자 위협과 침투성이 높은 APT를 식별할 수 있다.
• 보안 운영 센터(SOC)에 AI를 통합하면 사고 대응 속도가 향상되고 자동화된 완화 조치가 가능해진다.
• 진전이 있었음에도 불구하고, 모델의 해석 가능성, 대비 공격에 대한 강건성, 고속도의 네트워크 데이터 실시간 처리 등의 과제가 여전히 남아 있다.
• 논문은 AI가 만능은 아니지만, 점점 더 지능적인 적대자들과의 경쟁에서 뒤처지지 않기 위해 네트워크 보안의 必須적 진화임을 결론 내린다.