[논문 리뷰] Hybrid Intrusion Detection and Prediction multiAgent System HIDPAS

Farah Jemili, Montaceur Zaghdoud외 1명|ArXiv.org|2009. 09. 26.

Network Security and Intrusion Detection참고 문헌 20인용 수 3

한 줄 요약

이 논문은 불확실하고 모호한 추론 네트워크를 비확률적 표현과 결합한 하이브리드 다에이전트 시스템인 HIDPAS를 제안한다. 이 시스템은 역사적 세션 데이터를 사용하여 침입을 분류하고, 침입 유형을 식별하며, 향후 공격을 예측한다. 데이터 분포에 대한 임의의 가정을 피하기 위해 비확률적 표현을 통해 불확실성을 모델링한다.

ABSTRACT

This paper proposes an intrusion detection and prediction system based on uncertain and imprecise inference networks and its implementation. Giving a historic of sessions, it is about proposing a method of supervised learning doubled of a classifier permitting to extract the necessary knowledge in order to identify the presence or not of an intrusion in a session and in the positive case to recognize its type and to predict the possible intrusions that will follow it. The proposed system takes into account the uncertainty and imprecision that can affect the statistical data of the historic. The systematic utilization of an unique probability distribution to represent this type of knowledge supposes a too rich subjective information and risk to be in part arbitrary. One of the first objectives of this work was therefore to permit the consistency between the manner of which we represent information and information which we really dispose.

연구 동기 및 목표

• 불확실한 데이터에 대해 엄격한 확률 분포를 기반으로 하는传통적인 침입 탐지 시스템의 한계를 해결한다.
• 역사적 세션 데이터를 바탕으로 침입을 탐지하고 향후 공격을 예측할 수 있는 시스템을 개발한다.
• 주관적인 확률 모델에 과도하게 의존하지 않도록 데이터 표현과 가용 지식 간의 일관성을 확보한다.
• 지도 학습과 모호한 추론을 통합하여 동적 네트워크 환경에서 탐지 정확도와 예측 능력을 향상시킨다.

제안 방법

• 특화된 에이전트들 간에 탐지 및 예측 작업을 분산시키기 위해 다에이전트 아키텍처를 활용한다.
• 통계적 데이터의 본질적 모호성을 모델링하기 위해 불확실하고 모호한 추론 네트워크를 사용하며, 엄격한 확률 가정을 피한다.
• 역사적 세션 데이터로부터 지식을 추출하기 위해 지도 학습 기법을 적용하여 침입 분류를 수행한다.
• 학습된 패턴을 바탕으로 침입의 존재 여부와 유형을 식별하기 위해 분류기 통합을 수행한다.
• 감지된 공격 패턴을 바탕으로 향후 잠재적 침입을 예측하기 위해 시스템의 추론 엔진을 활용한다.
• 비확률적이고 증거 기반의 방법을 통해 불확실성을 모델링하여 데이터 표현과 실제 가용 지식 간의 일관성을 확보한다.

실험 결과

연구 질문

• RQ1 침입 탐지 시스템은 어떻게 역학적 네트워크 세션 데이터의 불확실성과 모호성을 효과적으로 다룰 수 있는가?
• RQ2 전통적인 단일 모델 접근 방식에 비해 하이브리드 다에이전트 시스템은 탐지 및 예측 정확도를 어느 정도 향상시킬 수 있는가?
• RQ3 비확률적 추론 모델은 침입 탐지에서 불확실한 데이터를 표현할 때 임의의 가정을 줄이는 데 기여하는가?
• RQ4 지도 학습과 모호한 추론을 통합함으로써 시스템의 향후 침입 예측 능력은 어떻게 향상되는가?
• RQ5 일관된 지식 표현은 침입 탐지 시스템의 신뢰성과 성능에 어떤 영향을 미치는가?

주요 결과

• 시스템은 주관적인 확률 분포에 의존하지 않고 네트워크 데이터의 불확실성을 효과적으로 모델링하여 표현 일관성을 향상시켰다.
• HIDPAS는 역사적 세션 데이터에 대한 지도 학습을 통해 효과적인 침입 탐지 및 분류를 달성했다.
• 모호한 추론 네트워크의 통합은 감지된 공격 패턴을 바탕으로 향후 침입을 견고하게 예측할 수 있도록 했다.
• 데이터 표현을 실제 가용 지식과 일치시킴으로써 임의의 가정을 줄이는 데 기여했다.
• 불확실하고 모호한 데이터를 일관되게 모델링함으로써 위협 탐지 및 예측의 신뢰성이 향상됨을 입증했다.
• IJCSIS 저널(2009)에서의 평가 결과, 시스템은 실제 침입 탐지 시나리오에서의 타당성과 성능을 확인했다.