위협모델 기반 네트워크 이상행위 탐지·대응 및 공격 예측 연구

Threat-Model-Driven Network Anomaly Detection, Response, and Attack Prediction Research

연구 내용

위협모델과 네트워크 트래픽 특성을 결합해 이상행위를 탐지하고, 공격 징후를 이용해 대응 및 예측 성능을 향상시키는 연구

VANET 및 IoT 환경처럼 동적이고 폐쇄적인 통신 특성에서 공격 행위를 조기에 식별하기 위한 보안 방법을 연구합니다. 라우트 단계에서 데이터 삭제를 유발하는 black hole attack을 탐지·차단하는 동적 임계값 기반 기법을 포함하며, 암호화 트래픽 환경에서는 패킷 기반 분석 한계를 고려해 AI 기반 이상탐지로 접근합니다. 또한 IoT 봇넷 공격에 대해 위협모델을 프레임워크로 정리하고, 전술·기법 수준에서 대응 절차를 도출하는 방향으로 차별성을 확보합니다.

관련 프로젝트

4건

연구 흐름

초기에는 VANET에서 경로 탐색 과정의 공격을 조기에 탐지·차단하는 방식으로 네트워크 보안 문제를 정형화했습니다. 이후 암호화 통신이 확대되는 환경에서 전통적 특징 기반 이상탐지가 제약을 받는 점을 반영하여 AI 기반 탐지·분석 체계를 정리했습니다. 최근에는 IoT 표적 봇넷 공격을 대상으로 위협모델을 전술·기법 단위로 구조화하고, 키워드 기반 메트릭을 통해 신규 공격에 대한 대응 전략을 누적·확장하는 연구를 수행합니다. 이를 기반으로 네트워크 이상행위 탐지에서 대응과 예측으로 이어지는 실용적 절차를 정교화하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

VANET 위협 탐지 모듈
암호화 트래픽 이상행위 탐지 파이프라인
IoT 봇넷 대응 절차 자동화
위협모델 기반 보안 요구사항 도출
네트워크 행위기반 보안관제
설명가능 XAI 기반 경보 해석
공격 시나리오 기반 테스트 시나리오 생성
대응 우선순위 산정 로직
침해 확산 징후 조기 파악
보안 운영 의사결정 지원