전 세계적으로 정보시스템이 매일 공격받고 있는 가운데, 전통적 전쟁에서의 비유는 적절하며, 기만 전술은 방어(Defense)의 전략이자 기법으로서 역사적으로 효과가 입증되어 왔다. 방어적 기만(Defensive Deception)은 공격자처럼 사고하고, 일반적인 공격 전략에 대응하기 위한 최선의 전략을 결정하는 것을 포함한다. 방어적 기만 전술은 적대자의 불확실성을 유발하고, 그들의 학습 비용을 증가시키며, 그 결과 성공적인 공격이 발생할 가능성을 낮추는 데 유익하다. 사이버보안 분야에서 허니팟(honeypots)과 허니토큰(honeytokens), 위장(camouflaging) 및 이동표적 방어(moving target defense)는 일반적으로 방어적 기만 전술을 활용한다. 다양한 목적을 위해 기만적 기술과 기만 방지(anti-deceptive) 기술이 만들어져 왔다. 그러나 고도화된 기만 기술을 배치하는 데 도움이 될 수 있는 광범위하고 포괄적이며 정량적인 프레임워크에 대한 중대한 필요가 존재한다. 계산 지능(computational intelligence)은 고도화된 기만 프레임워크를 구축하기 위한 적절한 도구 집합을 제공한다. 계산 지능은 인공지능 기술의 두 가지 중요한 계열, 즉 딥러닝(deep learning)과 머신러닝(machine learning)으로 구성된다. 이러한 전략은 방어적 기만 기술의 다양한 상황에서 활용될 수 있다. 본 조사는 딥러닝과 머신러닝 알고리즘의 도움을 받아 배치된 방어적 기만 전술에 초점을 둔다. 선행 연구는 본 연구에 제시된 통찰, 교훈, 그리고 한계를 산출해 왔다. 본 연구는 현재의 방어적 기만 연구에서의 중요한 공백을 해소하는 데 도움이 되는 향후 연구 방향에 대한 논의로 마무리된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.