| 1 |
1
네트워크의 트래픽을 수집하는 수집부;상기 네트워크의 트래픽을 세션 단위로 분류하고 전처리하여 상기 네트워크가 정상상태에 있을 때의 정상 네트워크 세션 정보를 생성하는 전처리부; 및상기 정상 네트워크 세션 정보를 이용하여 비지도 학습 방법으로 정상상태 모델을 생성하는 모델링부를 포함하고,상기 모델링부는,상기 정상 네트워크 세션 정보를 이용하여 복수 개의 모델을 생성하고,상기 네트워크가 이상 상태일 때의 비정상 네트워크 세션 정보를 이용하여, 상기 복수 개의 모델 중 상기 이상 상태를 탐지하는 비율이 가장 높은 모델을 상기 정상상태 모델로 선택하고,상기 정상 네트워크 세션 정보 및 상기 비정상 네트워크 세션 정보는,상기 세션 단위 내 패킷 사이 간격의 최대값, 상기 세션 단위 내 패킷 사이 간격의 평균값, 상기 세션 단위 내 패킷 사이 간격의 최소값, 상기 세션 단위 내 패킷 사이 간격의 표준편차, 상기 세션 단위 내 패킷 길이의 최대값, 상기 세션 단위 내 패킷 길이의 평균값, 상기 세션 단위 내 패킷 길이의 최소값, 상기 세션 단위 내 패킷 길이의 표준편차, 출발지에서 목적지로 간 총 바이트 수, 목적지에서 출발지로 간 총 바이트 수, 세션의 지속시간 및 목적지 또는 출발지로 가는 패킷의 총 수를 포함하는비지도 학습 기법을 이용한 네트워크 정상상태 모델링 장치
|
| 2 |
2
삭제
|
| 3 |
3
제 1 항에 있어서,상기 정상상태 모델로 상기 네트워크에 이상 행위가 발생하는지 탐지하는 탐지부를 더 포함하는비지도 학습 기법을 이용한 네트워크 정상상태 모델링 장치
|
| 4 |
4
제 1 항에 있어서,상기 비지도 학습 방법은,one-class support vector machine, isolation forest, auto-encoder 학습 기법 중 적어도 하나를 포함하는비지도 학습 기법을 이용한 네트워크 정상상태 모델링 장치
|
| 5 |
5
네트워크의 정상 상태를 모델링하는 방법에 있어서,네트워크의 트래픽을 수집하여 세션 단위로 분류하는 단계;상기 세션 단위로 분류된 정보를 전처리하여 상기 네트워크가 정상상태에 있을 때의 정상 네트워크 세션 정보를 생성하는 단계; 및상기 정상 네트워크 세션 정보를 이용하여 정상상태 모델을 생성하는 단계를 포함하고,상기 정상상태 모델을 생성하는 단계는,상기 정상 네트워크 세션 정보를 이용하여 복수 개의 모델을 생성하는 단계; 및상기 네트워크가 이상 상태일 때의 비정상 네트워크 세션 정보를 이용하여, 상기 복수 개의 모델 중 상기 이상 상태를 탐지하는 비율이 가장 높은 모델을 상기 정상상태 모델로 선택하는 단계를 포함하고,상기 정상 네트워크 세션 정보 및 상기 비정상 네트워크 세션 정보는,상기 세션 단위 내 패킷 사이 간격의 최대값, 상기 세션 단위 내 패킷 사이 간격의 평균값, 상기 세션 단위 내 패킷 사이 간격의 최소값, 상기 세션 단위 내 패킷 사이 간격의 표준편차, 상기 세션 단위 내 패킷 길이의 최대값, 상기 세션 단위 내 패킷 길이의 평균값, 상기 세션 단위 내 패킷 길이의 최소값, 상기 세션 단위 내 패킷 길이의 표준편차, 출발지에서 목적지로 간 총 바이트 수, 목적지에서 출발지로 간 총 바이트 수, 세션의 지속시간 및 목적지 또는 출발지로 가는 패킷의 총 수를 포함하는비지도 학습 기법을 이용한 네트워크 정상상태 모델링 방법
|
| 6 |
6
제 5 항에 있어서,상기 세션 단위로 분류하는 단계는,상기 네트워크의 트래픽에서 발생한 패킷을 출발지 IP 주소, 출발지 포트 번호, 목적지 IP 주소, 목적지 포트 번호, 프로토콜 중 적어도 하나를 기준으로 분류하고,상기 분류된 패킷 중 학습에 필요한 정보를 추출하는 것을 포함하는비지도 학습 기법을 이용한 네트워크 정상상태 모델링 방법
|
| 7 |
7
제 6 항에 있어서,상기 학습에 필요한 정보는 출발지에서 목적지로 간 총 바이트 수, 목적지에서 출발지로 간 총 바이트 수, 목적지 IP 주소, 목적지 포트 번호, 세션의 최초 패킷 도착시간, 세션의 최종 패킷 도착시간, 목적지 또는 출발지로 가는 패킷의 총 수, 패킷의 길이와 도착시간이 기록된 배열, 출발지 IP 주소, 출발지 포트 번호 중 적어도 하나를 포함하는비지도 학습 기법을 이용한 네트워크 정상상태 모델링 방법
|
| 8 |
8
삭제
|
| 9 |
9
제 5 항에 있어서,상기 정상상태 모델을 생성하는 단계는,one-class support vector machine, isolation forest, auto-encoder 학습 기법 중 적어도 하나를 사용하여 복수 개의 모델을 생성하고,상기 복수 개의 모델을 비교하여 상기 정상상태 모델을 선택하는 것을 포함하는비지도 학습 기법을 이용한 네트워크 정상상태 모델링 방법
|
| 10 |
10
제 9 항에 있어서,상기 복수 개의 모델은 프로토콜 별로 생성되는비지도 학습 기법을 이용한 네트워크 정상상태 모델링 방법
|
| 11 |
11
제 5 항에 있어서,상기 정상상태 모델을 생성하는 단계 후에,상기 정상상태 모델을 이용하여 상기 네트워크에 이상 행위가 발생하는지 탐지하는 단계를 더 포함하는비지도 학습 기법을 이용한 네트워크 정상상태 모델링 방법
|
| 12 |
12
컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,제 5 항 내지 제 7 항 및 제 9 항 내지 제 11 항 중 어느 한 항에 따른 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 프로그램
|
| 13 |
13
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은,제 5 항 내지 제 7 항 및 제 9 항 내지 제 11 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 판독 가능한 기록매체
|
