기계학습 기반 내부자위협 탐지기술: RNN Autoencoder를 이용한 비정상행위 탐지

Vol. 27, No. 4, pp. 763-774, 8월. 2017
10.13089/JKIISC.2017.27.4.763, Full Text:
Keywords: Insider threat, Machine Learning, Neural Network, Anomaly detect, information security
Abstract

최근 몇 년 동안 지속적으로 개인정보유출, 기술유출 사고가 빈번하게 발생하고 있다. 조사에 따르면 이러한 유출 사고의 주체로 가장 많은 부분을 차지하고 있는 것이 조직 내부에 있는 '내부자'로, 내부자에 의한 기술유출은 조직에 막대한 피해를 주기 때문에 점점 더 중요한 문제로 여겨지고 있다. 본 논문에서는 내부자위협을 방지하기 위해 기계학습을 이용하여 직원들의 일반적인 정상행위를 학습하고, 이에 벗어나는 비정상 행위를 탐지하기 방법에 대한 연구를 하고자 한다. Neural Network 모델 중 시계열 데이터의 학습에 적합한 Recurrent Neural Network로 구성한 Autoencoder를 구현하여 비정상 행위를 탐지하는 방법에 대한 실험을 진행하였고, 이 방법에 대한 유효성을 검증하였다.

Statistics
Show / Hide Statistics

Statistics (Cumulative Counts from December 1st, 2017)
Multiple requests among the same browser session are counted as one view.
If you mouse over a chart, the values of data points will be shown.


Cite this article
[IEEE Style]
D. Ha, K. Kang and Y. Ryu, "Detecting Insider Threat Based on Machine Learning: Anomaly Detection Using RNN Autoencoder," Journal of The Korea Institute of Information Security and Cryptology, vol. 27, no. 4, pp. 763-774, 2017. DOI: 10.13089/JKIISC.2017.27.4.763.

[ACM Style]
Dong-wook Ha, Ki-tae Kang, and Yeonseung Ryu. 2017. Detecting Insider Threat Based on Machine Learning: Anomaly Detection Using RNN Autoencoder. Journal of The Korea Institute of Information Security and Cryptology, 27, 4, (2017), 763-774. DOI: 10.13089/JKIISC.2017.27.4.763.