네트워크를 통해 전달되는 데이터 플로우 또는 패킷으로부터 트래픽 데이터를 획득하고, 획득한 네트워크 트래픽 데이터를 토대로 학습용 데이터셋을 생성하는 단계;상기 학습용 데이터셋을 사용하여 소정의 이상상태 탐지 신경망 모델을 학습시키는 단계;상기 네트워크로부터 공격 또는 침입 상태 판정이 필요한 트래픽 데이터를 받아들이고, 시계열 트래픽 데이터를 저장하는 단계; 및학습된 이상상태 탐지 신경망에 의한 추론에 의해 상기 시계열 트래픽 데이터에 공격 또는 침입 징후가 있는지 결정하는 단계;를 포함하는,네트워크 공격 및 침입 탐지 방법.

청구항 1에 있어서, 상기 학습용 데이터셋을 생성하는 단계가상기 획득한 네트워크 트래픽 데이터에 결함을 주입하는 단계; 및결함이 주입된 데이터를 토대로 상기 학습용 데이터셋을 생성하는 단계;를 포함하는,네트워크 공격 및 침입 탐지 방법.

청구항 1에 있어서, 상기 시계열 트래픽 데이터에 공격 또는 침입 징후가 있는지 결정하는 단계가상기 시계열 트래픽 데이터에 대하여 스케일링을 포함한 전처리를 수행하는 단계; 및전처리가 완료된 데이터에서 상기 공격 또는 침입 징후를 탐지하는 단계;를 포함하는,네트워크 공격 및 침입 탐지 방법.

청구항 3에 있어서, 상기 이상상태 탐지 신경망이입력 데이터 시퀀스를 소정의 차원을 가지는 특징 벡터로 벡터화하는 특징 맵핑 계층;상기 특징 벡터의 크기를 감소시키는 인코더 계층;상기 인코더 계층의 출력 벡터를 풀링 또는 셀프-어텐션에 의하여 하나의 벡터로 축약시키는 판독 계층; 및상기 판독 계층에 의해 축약된 벡터를 토대로, RNN을 포함하는 신경망에 의하여 분류해서, 상기 공격 또는 침입 징후가 있는지를 탐지하는 분류기 계층;을 포함하는,네트워크 공격 및 침입 탐지 방법.

청구항 4에 있어서,상기 특징 맵핑 계층이, 상기 분류기 계층로부터 이전 시간 단계에서의 분류 결과를 받아들이고 상기 입력 데이터 시퀀스 또는 상기 특징 벡터에 상기 분류 결과를 결합시키는 단계;를 더 포함하는,네트워크 공격 및 침입 탐지 방법.

청구항 5에 있어서, 상기 특징 벡터에 상기 분류 결과를 결합시키는 단계는상기 특징 맵핑 계층이, 소정의 시간 단계들에 상응한 상기 분류기 계층의 분류 결과들을 받아들이는 단계;상기 입력 데이터 시퀀스 또는 상기 특징 벡터에 상기 분류기 계층으로부터의 분류 결과들을 직합 연산하여 결합시키는,네트워크 공격 및 침입 탐지 방법.

프로그램 명령들을 저장하는 메모리와; 상기 메모리에 접속되고 상기 메모리에 저장된 상기 프로그램 명령들을 실행하는 프로세서;를 구비하며,상기 프로그램 명령들은 상기 프로세서에 의해 실행될 때 상기 프로세서로 하여금:네트워크를 통해 전달되는 데이터 플로우 또는 패킷으로부터 트래픽 데이터를 획득하고, 획득한 네트워크 트래픽 데이터를 토대로 학습용 데이터셋을 생성하며;상기 학습용 데이터셋을 사용하여 소정의 이상상태 탐지 신경망 모델을 학습시키고;상기 네트워크로부터 공격 또는 침입 상태 판정이 필요한 트래픽 데이터를 받아들이고, 시계열 트래픽 데이터를 저장하며;학습된 이상상태 탐지 신경망에 의한 추론에 의해 상기 시계열 트래픽 데이터에 공격 또는 침입 징후가 있는지 결정하게 하는,네트워크 공격 및 침입 탐지 장치.

청구항 7에 있어서, 상기 프로세서로 하여금 상기 학습용 데이터셋을 생성하게 하는 프로그램 명령들은 상기 프로세서로 하여금:상기 획득한 네트워크 트래픽 데이터에 결함을 주입하고;결함이 주입된 데이터를 토대로 상기 학습용 데이터셋을 생성하게 하는,네트워크 공격 및 침입 탐지 장치.

청구항 7에 있어서, 상기 프로세서로 하여금 상기 시계열 트래픽 데이터에 공격 또는 침입 징후가 있는지 결정하게 하는 프로그램 명령들은 상기 프로세서로 하여금:상기 시계열 트래픽 데이터에 대하여 스케일링을 포함한 전처리를 수행하고;전처리가 완료된 데이터에서 상기 공격 또는 침입 징후를 탐지하게 하는,네트워크 공격 및 침입 탐지 장치.

청구항 9에 있어서, 상기 이상상태 탐지 신경망이입력 데이터 시퀀스를 소정의 차원을 가지는 특징 벡터로 벡터화하는 특징 맵핑 계층;상기 특징 벡터의 크기를 감소시키는 인코더 계층;상기 인코더 계층의 출력 벡터를 풀링 또는 셀프-어텐션에 의하여 하나의 벡터로 축약시키는 판독 계층; 및상기 판독 계층에 의해 축약된 벡터를 토대로, RNN을 포함하는 신경망에 의하여 분류해서, 상기 공격 또는 침입 징후가 있는지를 탐지하는 분류기 계층;을 포함하는,네트워크 공격 및 침입 탐지 장치.

청구항 10에 있어서, 상기 프로그램 명령들은 상기 프로세서로 하여금:상기 특징 맵핑 계층이, 상기 분류기 계층로부터 이전 시간 단계에서의 분류 결과를 받아들이고 상기 입력 데이터 시퀀스 또는 상기 특징 벡터에 상기 분류 결과를 결합시키게 하는,네트워크 공격 및 침입 탐지 장치.

청구항 11에 있어서, 상기 프로세서로 하여금 상기 특징 벡터에 상기 분류 결과를 결합시키게 하는 프로그램 명령들은 상기 프로세서로 하여금:상기 특징 맵핑 계층이, 소정의 시간 단계들에 상응한 상기 분류기 계층의 분류 결과들을 받아들이고;상기 입력 데이터 시퀀스 또는 상기 특징 벡터에 상기 분류기 계층으로부터의 분류 결과들을 직합 연산하여 결합시키도록 하는,네트워크 공격 및 침입 탐지 장치.