연합학습 기반 지능형 네트워크 침해위협 및 비정상/은닉 통신채널 탐지 기술

기술개요

• 국방 등 매우 높은 보안성을 요구하는 유무선 네트워크 인프라 환경에서 네트워크 트래픽 정보를 바탕으로 네트워크 침해위협과 비정상/은닉 통신채널을 탐지할 수 있는 지능형 침해위협 탐지 기술로서, 네트워크 트래픽 정보 기반의 특징(Features) 정보 최적화를 통해 높은 탐지 성능은 물론 고속의 데이터 전처리 및 탐지가 가능한 기술임

기술개발 목적 및 필요성

• • 세부기술 1 : 연합학습 기반의 네트워크 침해위협 탐지 기술

  - 국방 등 민감 및 중요 정보의 공유가 제한되어 중앙집중형 빅데이터 기반 데이터 분석이 제한되는 매우 높은 보안 성을 요구하는 환경의 특성상, 분산된 지역 또는 조직 간 데이터의 공유 없이 침해위협을 탐지할 수 있는 탐지모델 생성 및 학습 제어 기술이 필요

  - 대규모 전체 조직/기관의 환경과 같이 글로벌 모델을 배포받아 하부조직/지역의 로컬 환경에 적용하는 과정에서 발생할 수 있는 Domain-Shift (Domain Divergence)로 인한 성능 저하 극복 및 최적화 기술 요구
  
  

  •  세부기술 2: 지능형 비정상/은닉 통신채널 탐지 기술

  - 네트워크 내 은밀하게 발생하는 비정상/은닉 채널 통신을 통상적으로 배포된 저사양의 보안 기기(방화벽 등)에서 고속 탐지하기 위해 최적화된 지능형 비정상/은닉 통신 채널 탐지 기술 필요

  - 주요 네트워크 환경에서 백도어 등과 같이 은밀하게 발생하는 비정상/은닉 채널 통신을 탐지하기 위한 탐지 모델 생성 및 분석 기술 필요

기술의 특징 및 장점

• • 세부기술 1 : 연합학습 기반의 네트워크 침해위협 탐지 기술

  - Pcap/NetFlow 등 실시간 네트워크 데이터 분석 기반 연합학습 용 AI 모델 최적화 기술

  - 평판정보 (MITRE ATT&CK TACTIC 중 Network Attack 140 여종) 연동 학습/탐지 모델

  - 프라이버시 보호 및 데이터 보안을 적용한 분산 노드 간 연합학습 기능 

  - 데이터 특징인자 별 분석 및 최적화 모델 선택적 적용 기반 탐지 최적화 기능 

   * TABNET, MHAN(Multi-Head Attention Network), FEDXGB (Federated XGB), GAN, CNN, RNN, DNN

  - 분산 환경 시스템 제어 및 모니터링을 위한 연합학습 모델 관리용 웹 기반 대시보드

  
  

  •  세부기술 2: 지능형 비정상/은닉 통신채널 탐지 기술

  - Pcap/NetFlow 등 실시간 네트워크 데이터 기반 Covert Timing 채널 특징정보 고속 전처리* 모듈

  -다중AI 기반(ML 4종:LGBM/XGB/RF/MLP, DL 2종:LSTM/Semi-MemAE)기반 탐지 모델 제공

  - Hybrid AI 기반 비정상/은닉 통신채널 탐지 최적화 (ML 기반 네트워크 특징인자 최적화 및 DL 기반 탐지 성능 고도화) 기능 * 1분당 최대 300,000만 Flow 이상 실시간 전처리 및 탐지 AI 모델 제공