본 연구 과제는 모의 공격(Penetration Testing) 방식을 취하는 기존 웹스캐너의 취약점 탐지 방법에 퍼즈 테스팅(Fuzz Testing) 방법을 적용하여 미탐지 취약점을 최소화하고 테스팅 커버리지를 최대화 하는 웹 퍼징 (Web Fuzzing) 도구 개발을 목표로 한다. 퍼징 기술과 테스팅 피드백 결과를 활용하여 테스팅 대상의 다양한 행위를 ...
웹보안
퍼징
취약점 탐지
2
2023년 2월-2026년 2월
|170,645,000원
웹 취약점 탐지에 특화된 퍼징 알고리즘 심화 연구
본 연구 과제는 모의 공격(Penetration Testing) 방식을 취하는 기존 웹스캐너의 취약점 탐지 방법에 퍼즈 테스팅(Fuzz Testing) 방법을 적용하여 미탐지 취약점을 최소화하고 테스팅 커버리지를 최대화하는 웹 퍼징 (Web Fuzzing) 도구 개발을 목표로 한다. 퍼징 기술과 테스팅 피드백 결과를 활용하여 테스팅 대상의 다양한 행위를 테...
웹보안
퍼징
취약점 탐지
3
2022년 4월-2028년 12월
|1,800,000,000원
산업/사회 수요중심 데이터사이언스 열린인재양성
- KAIST 데이터사이언스 대학원(GSDS)은 산업/사회의 디지털 혁신 문제를 이해, 해결, 적용할 수 있는 '수요 중심형' 인재 양성을 목표로 하며 데이터사이언스 방법론과 제조/물류, 경영/금융, 의료/바이오, 사회/복지 적용 분야를 연구하는 교수진 33명, 대학원생 정원 60명 이상의 일반대학원으로 구성됨- 수요중심 디지털 혁신 리더는 데이터사이언스에...
디지털혁신
데이터사이언스
빅데이터
인공지능
의료
사회
금융
제조
4
주관|
2022년 4월-2028년 12월
|1,833,000,000원
산업/사회 수요중심 데이터사이언스 열린인재양성
- 산업/사회 수요중심 디지털 혁신 인재양성을 목표로 ‘데이터사이언스 핵심기술 연구/교육’과 ‘산업/사회 수요중심 실무경험/문제해결’ 전략을 제시함
- 데이터사이언스 핵심기술 연구/교육
·데이터 기반, 데이터 컴퓨팅, 데이터 분석, 데이터 활용 핵심/심화 교과목 및 제조/물류, 금융/경영, 의료/바이오, 사회/복지 응용을 위한 현장문제를 활용한 PBL 기반 교육과정 제공
·University of California, Berkeley, University of Toronto, University of Montreal 등의 해외 유명대학 파견을 통한 공동 연구 기회 제공
- 산업/사회 수요중심 실무경험/문제해결
·산업체, 사회적 기관과 함께 산업/사회 현장 문제 발굴 및 캡스톤 프로젝트를 통한 해결
·산업체 인턴쉽, 산학프로젝트 참여 등을 통한 실무경험 및 현실문제 해결 경험
- KAIST GSDS의 미래발전방안으로 데이터사이언스 총괄센터 기반의 교육·연구, 기업체 현장인력 역인턴쉽, 글로벌 공동연구 및 해외캠퍼스 운영, 복수학위제도 제시
·하나금융, 원익IPS, 시너스텍, 한국타이어 등의 산학센터 및 KT, SK 하이닉스, KB 금융그룹, Seegene 등의 산업 참여협의체, 대전시, 세종시, 한국사회보장정보원, 국민연금 등의 기관참여협의체와 중소기업 R&D 센터를 총괄하는 데이터사이언스 총괄센터를 설립하여 데이터사이언스 융합 교육, 연구 공유 및 확산
·데이터사이언스 비학위과정 개설을 통한 현장인력 역인턴쉽 개설, GSDS 지속가능성 확보
·KAIST 뉴욕캠퍼스 추진을 통한 GSDS 해외캠퍼스 운영, University of Toronto와의 박사과정 공동지도, University of Montreal의 Yoshua Bengio 교수와의 협력
·타학과와의 복수전공 및 복수학위제도 시행을 통한 학내 데이터 사이언스 교육/연구 확산
- 이러한 전략을 바탕으로 아래와 같은 목표를 가짐
·대학원 정원 60명 이상, 산업체 인턴쉽 매년 15명 이상, 산학프로젝트 총 50건 이상, 수탁고 총 200억 이상, 열린 강의 패키지 총 20개 이상, 강의 플랫폼 수강생 총 20만명 이상, Top 데이터사이언스 저널/학회 논문 70편 이상, 글로벌 공동연구 논문 20편 이상, 데이터사이언스+X 논문 40편 이상 등
1. 추적자 코드에 특화된 정적 분석기술, 자동화된 추적자 대응기술 및 분류기술 등의 개발을 통해 능동적인 추적자들의 탐지 및 수집 시스템 개발하고 자가 발전적 추적자 탐지를 위한 자동화된 추적자 관리기술 개발, 2. 추적자들의 정적 및 동적 특징들을 사용한 기계학습 모델 생성기술 개발하고 다양한 모델을 결합하여 탐지 성능을 향상시킬 수 있는 Ensemble 모델 연구개발, 3. GNN 모델과 Code-Property Graph를 이용한 추적자 탐지 기계학습 모델을 개발하고, 다양한 공격으로부터 강인한 기계학습 모델 연구개발, 4. 모바일 환경에서 어플리케이션 및 웹 브라우저를 통해 발행할 수 있는 네트워크 요청들을 VPN을 통해 검사하며 사용자들의 개인정보 추적행위 모니터링 및 차단 시스템 개발, 5. 특정 브라우저의 특화된 기술이 아닌 범용적인 브라우저에 이용될 수 있는 탐지시스템을 제시하고 제품화를 위한 구현 내용의 검증 및 테스트, 장기간의 연구 결과물 운영과 Usability 분석을 통해 사업화 수행