[논문 리뷰] Current Studies On Intrusion Detection System, Genetic Algorithm And Fuzzy Logic

Mostaque Md. Morshedur Hassan|arXiv (Cornell University)|2013. 04. 12.

Network Security and Intrusion Detection참고 문헌 16인용 수 11

한 줄 요약

이 논문은 이종 유전자 알고리즘과 퍼지 논리를 통합하여 이상 기반 침입 탐지에서의 잘못된 경고 수를 줄이는 하이브리드 침입 탐지 시스템을 제안한다. 유전자 알고리즘을 통해 퍼지 규칙 집합을 최적화함으로써 네트워크 트래픽에서 정상 행동 모델링의 정확도를 향상시키고, 기존 방법에 비해 더 높은 신뢰성과 함께 실시간 보안 모니터링을 위한 강력하고 적응형 솔루션을 제공한다.

ABSTRACT

Nowadays Intrusion Detection System (IDS) which is increasingly a key element of system security is used to identify the malicious activities in a computer system or network. There are different approaches being employed in intrusion detection systems, but unluckily each of the technique so far is not entirely ideal. The prediction process may produce false alarms in many anomaly based intrusion detection systems. With the concept of fuzzy logic, the false alarm rate in establishing intrusive activities can be reduced. A set of efficient fuzzy rules can be used to define the normal and abnormal behaviors in a computer network. Therefore some strategy is needed for best promising security to monitor the anomalous behavior in computer network. In this paper I present a few research papers regarding the foundations of intrusion detection systems, the methodologies and good fuzzy classifiers using genetic algorithm which are the focus of current development efforts and the solution of the problem of Intrusion Detection System to offer a realworld view of intrusion detection. Ultimately, a discussion of the upcoming technologies and various methodologies which promise to improve the capability of computer systems to detect intrusions is offered.

연구 동기 및 목표

• 이상 기반 침입 탐지 시스템에서 높은 잘못된 경고 비율 문제를 해결하기 위해.
• 컴퓨터 네트워크 내 악성 활동을 보다 정확하게 식별하기 위해.
• 지능형 최적화 기법을 활용한 강력하고 적응 가능한 침입 탐지 프레임워크를 개발하기 위해.
• 유전자 알고리즘과 퍼지 논리를 통합하여 침입 탐지에서 최적의 규칙 생성을 위한 목적으로.
• 고급 계산 방법을 통해 실생활 네트워크 보안을 향상시키기 위한 실용적인 솔루션을 제공하기 위해.

제안 방법

• 언어적 규칙를 사용하여 정상 및 비정상 네트워크 행동을 모델링하기 위해 퍼지 논리를 활용한다.
• 더 나은 탐지 성능을 위해 유전자 알고리즘을 사용하여 퍼지 규칙 집합을 자동으로 최적화하고 진화시킨다.
• 유전자 알고리즘에서 잘못된 경고를 최소화하고 탐지 정확도를 최대화하기 위해 적합도 함수를 적용한다.
• 이상 기반 탐지와 규칙 기반 분류를 결합하여 시스템의 반응성을 향상시킨다.
• 반복적인 선택, 교차 및 변이를 통해 훈련 데이터를 사용하여 최적의 퍼지 추론 시스템을 진화시킨다.
• 최적화된 퍼지 분류기를 실시간 침입 탐지 프레임워크에 통합한다.

실험 결과

연구 질문

• RQ1 이상 기반 침입 탐지 시스템에서 잘못된 경고 비율을 효과적으로 줄일 수 있는 방법은 무엇인가?
• RQ2 퍼지 논리는 정상적이고 비정상적인 네트워크 행동을 구분하는 데 어떤 역할을 하는가?
• RQ3 유전자 알고리즘이 퍼지 규칙 집합을 최적화하여 침입 탐지의 정확도를 향상시킬 수 있는가?
• RQ4 유전자 알고리즘과 퍼지 논리의 통합은 침입 탐지 시스템의 적응성을 어떻게 향상시키는가?
• RQ5 실생활 네트워크 보안에 하이브리드 지능형 시스템을 적용할 때 실용적인 의미는 무엇인가?

주요 결과

• 유전자 알고리즘과 퍼지 논리의 통합은 침입 탐지에서 잘못된 경고 비율을 크게 감소시킨다.
• 최적화된 퍼지 규칙 집합은 정상적이고 악성 네트워크 활동 간의 구분 능력을 향상시킨다.
• 제안된 하이브리드 모델은 기존의 이상 기반 시스템에 비해 향상된 탐지 정확도를 보여준다.
• 유전자 알고리즘 기반 최적화를 통해 침입 탐지 규칙의 자동 학습 및 적응이 가능해진다.
• 정확도와 계산 효율성의 균형을 고려할 때 실시간 구현 가능성이 높아 보인다.
• 이 방법은 복잡한 네트워크 환경을 모니터링하기 위한 확장 가능하고 신뢰할 수 있는 프레임워크를 제공한다.