Fine-Tuning Anomaly Classifier for Unbalanced Network Data
Mugon Joe, Mi-Ru Kim, Minhae Kwon · 한국통신학회논문지 · 2024
최근 네트워크 침입 시도가 증가함에 따라, 신속하고 적절한 대응의 중요성이 강조되고 있다. 각각의 침입 방식에 따라 대응 방안이 다르기 때문에, 효과적인 대응을 위해서는 네트워크 이상유형을 정확하게 파악해야 한다. 이에 오토인코더 기반 이상탐지 기술에 분류 모델을 추가적으로 활용하여 네트워크 이상유형을 분류하는 연구가 주목받고 있다. 그러나 네트워크 데이터는 수집이 어려운 비정상 데이터에 대해 불균형 문제를 가지고 있으며, 오토인코더 기반 이상탐지로부터 탐지된 데이터와 분류 모델의 학습 데이터 간의 이상유형 분포 차이로 인해 성능의 한계를 보인다. 이러한 한계를 극복하기 위해 본 논문에서는 분류 모델에 미세 조정 기법을 적용하는 방안을 제안한다. 모의 실험 결과, 제안하는 시스템이 기존 연구 결과 대비 모든 평가 항목에서 우수한 성능을 보였다.