한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지

지능형 시스템을 적용한 MTD 전략에 대한 연구 동향 분석

An Analysis of Research Trends on MTD Strategy through Intelligent Systems

  • 허남정 (세종대학교 시스템보안연구실 (지능형드론 융합전공) ) ;
  • 이세한 (세종대학교 시스템보안연구실 (지능형드론 융합전공) ) ;
  • 최상훈 (세종대학교 정보보호학과 ) ;
  • 박기웅 (세종대학교 정보보호학과 )
  • Nam-Jung Heo (SysCore Lab. (Convergence Engineering for Intelligent Drone), Sejong University) ;
  • Se-Han Lee (SysCore Lab. (Convergence Engineering for Intelligent Drone), Sejong University) ;
  • Sang-Hoon Choi (Dept. of Computer and Information Security, Sejong University) ;
  • Ki-Woong Park (Dept. of Computer and Information Security, Sejong University)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

최근 인간의 인지 능력을 모방한 지능형 MTD 연구가 주목받고 있다. 지능형 MTD는 기존 전략에 성능 오버헤드를 줄이고 더 강력한 보안 시스템을 제공한다는 점에서 향후 미래 보안 기술로 예상된다. 본 논문에서는 지능형 시스템과 MTD 전략에 관한 연구들을 검토한다. 연구 논문에서는 지능형 MTD를 위한 관점 분류 연구에 초점을 맞춘다. 그 후, 해당 관점에 일치하는 추가적인 연구논문을 조사하여 향후 지능형 MTD의 연구 방향을 제시한다. 지능형 MTD는 동적 방어 체계의 효율성을높이고 공격자의 공격에 적응하여 최적의 전략을 선택할 수 있는 방어 체계로서 미래 보안의 중요한 역할을 수행할 것이다.

키워드

과제정보

본 논문은 과학기술정보통신부의 재원으로 정보통신기획평가원(IITP)의 정보보호핵심원천기술개발(Project No. RS-2024-00438551, 50%), 정보통신방송혁신인재양성사업(Project No. 2021-0-01816, 30%) 및 국방ICT융합연구(Project No. 2022-11220701, 20%)의 지원을 받아 수행된 연구임.

참고문헌

  1. J.-H. Cho et al., "Toward Proactive, Adaptive Defense: A Survey on Moving Target Defense", IEEE Communications Surveys &Tutorials, vol.22 no.1, pp.709-745, 2020. 
  2. M. Zhu, Z. Hu and P. Liu, "Reinforcement Learning Algorithms for Adaptive Cyber Defense against Heartbleed", Proceedings of the First ACM Workshop on Moving Target Defense (MTD '14), 2014, pp.51-58. 
  3. M. Khosravi-Farmad et al., "Moving Target Defense Against Advanced Persistent Threats for Cybersecurity Enhancement", IEEE 8th International Conference on Computer and Knowledge Engineering (ICCKE), Mashhad, Iran, 2018, pp.25-26. 
  4. Stephanopoulos G., and Han C., "Intelligent systems in process engineering: A review", Computers & Chemical Engineering, vol.20, no.6-7, pp.743-791, 1996. 
  5. Y. Wang et al., "On Autonomous Systems: From Reflexive, Imperative and Adaptive Intelligence to Autonomous and Cognitive Intelligence", IEEE 18th International Conference on Cognitive Informatics & Cognitive Computing, Milan, Italy, 2019, pp.7-12. 
  6. R. Sun et al., "A Survey on Moving Target Defense: Intelligently Affordable, Optimized and Self-Adaptive", Applied Sciences, vol.13, no.9, 2023. 
  7. M. Zal, M. Michalski and P. Zwierzykowski, "Implementation of a Lossless Moving Target Defense Mechanism", Electronics, vol.13, no.5, 2024. 
  8. S.-H. Lee et al., "MTD-Diorama: Moving Target Defense Visualization Engine for Systematic Cybersecurity Strategy Orchestration", Sensors, vol.24, no.13, pp.4389, 2024. 
  9. F. Shi et al., "AHIP: An Adaptive IP Hopping Method for Moving Target Defense to Thwart Network Attacks", 2023 26th International Conference on Computer Supported Cooperative Work in Design (CSCWD), Rio de Janeiro, Brazil, 2023, pp.1300-1305. 
  10. S. Vikram, C. Yang and G. Gu, "NOMAD: Towards non-intrusive moving-target defense against web bots" IEEE Conference on Communications and Network Security (CNS), 2013, pp.55-63. 
  11. Eitam F. et al., "Defending via strategic ML selection", arXiv preprint arXiv:1904.00737, 2019. 
  12. Z. Li et al., "MARL-MOTAG: Multi-Agent Reinforcement Learning based Moving Target Defense to thwart DDoS attacks", 2022 International Conference on Networking and Network Applications (NaNA), Urumqi, China, 2022. 
  13. X. Xu et al., "An Adaptive IP Hopping Approach for Moving Target Defense Using a Light-Weight CNN Detector", Security and Communication Networks, pp.8848473, 2021. 
  14. Y. Zhou et al., "Cost-effective moving target defense against DDoS attacks using trilateral game and multi-objective Markov decision processes", Computers & Security, vol.97, pp.101976, 2020.