Robustness Evaluation of Encrypted Traffic Analysis Models Against Adversarial Attacks
연구 내용
암호화 트래픽 분석(ETA)에서 사전학습 모델의 취약성을 적대적 트래픽 예제로 검증하고, 공격 시나리오에 대한 안전성 평가 체계를 정립하는 연구
TLS 1.3, IPSec 등으로 인해 트래픽 내용이 은닉된 환경에서, 딥러닝 기반 encrypted traffic analysis(암호화 트래픽 분석) 모델의 보안 측면을 정량적으로 점검하는 연구입니다. 사전학습 ETA 모델을 대상으로 네트워크 트래픽 관점의 “유창성”을 정의하고, 이 조건을 보존하는 형태의 적대적 트래픽 예제를 생성하는 알고리즘을 제안합니다. 이를 통해 모델이 공격 입력에 민감하게 반응하는지 검증하며, 실제 배치 전 안전성 요구사항을 도출하는 데 활용할 수 있습니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 암호화된 트래픽 분류에서 딥러닝 모델이 높은 성능을 보이더라도 보안성 검토가 부족하다는 문제를 확인했습니다. 이후 사전학습 ETA 모델을 공격 대상으로 설정하고, 자연어에서의 적대적 공격과 유사한 접근을 네트워크 트래픽 생성 문제로 전환했습니다. 최근에는 생성된 적대적 트래픽이 모델의 출력에 실질적 영향을 주는 취약성을 실험적으로 제시하며, 강건성 평가 관점을 강화하는 방향으로 연구를 수행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Adversarial Attacks on Pre-trained Deep Learning Models for Encrypted Traffic Analysis