외부주의와 잔차연결에 기반한 효과적인 네트워크 침입탐지 모델

Abstract

컴퓨터 네트워크 및 네트워크 기술에 대한 수요가 증가함에 따라 악성공격에 노출된 표면이 자연스럽게 확장되어 악성공격은 점차 증가하고 있습니다. 따라서 네트워크에서 침입탐지 기술은 보안분야로서의 역할이므로점점 더중요해지고있습니다. 하지만 정보보호 측면에서 트래픽의페이로드가암호화되면서 이러한악성트래픽에 대한분석이네트워크장비에서제한적이게됨에따라침입탐지는더욱어려워졌습니다. 데이터를 기반으로하는 네트워크 침임탐지에 딥러닝을 적용하면서부터 딥러닝 모델의 계산 복잡성 또한 지속적으로 제기되었었습니다. 본 연구에서는 딥러닝 모델 중 이차적 계산 복잡도를 가진 트랜스포머 모델의 셀프어텐션을 대상으로 그메커니즘적 발전을 이룬 외부주의 구조와 잔차연결을 순차 활용한 효과적인 침입탐지 모델을 설계하여제안합니다. 제안하는 모델을 최신의 UKM-IDS20 데이터셋을 활용하여 성능을 실험한 결과로써, 오탐지율0.24%라는 매우 우수한 결과를 보였습니다.

Keywords

Encrypted Network Traffic, Network Intrusion Detection, External Attention, Residual Connections

Citation

신창의, 권태웅, 이준. “외부주의와 잔차연결에 기반한 효과적인 네트워크 침입탐지 모델.” KNOM Review, Vol. 28, No. 2, pp. 13–22, December 31, 2025.

원문 및 DOI