엣지 컴퓨팅에서 딥러닝 기반의 침입 탐지 시스템 설계 및 구현

초록

엣지 컴퓨팅은 클라우드 계층과 단말 계층 사이에 엣지 계층을 추가한 새로운 분산 컴퓨팅 기술이다. 엣지 컴퓨팅은 클라우드 컴퓨팅보다 상대적으로 더 많은 표적을 제공하기 때문에 공격자는 취약점 악용, DoS/DDoS, 중간자 공격, 그리고 인증 우회 등을 사용한다. 다양한 위협을 탐지하기 위해 침입 탐지 시스템, 방화벽, 안티 바이러스 소프트웨어와 같은 보안 시스템들이 사용되지만 낮은 정확도, 높은 오탐으로 인해 엣지 컴퓨팅에는 부적합하다. 또한, 침입 탐지를 위해 필요한 전문 인력과 대응할 수 있는 솔루션의 부족과 같은 한계점도 드러났다. 본 논문에서는 엣지 컴퓨팅에서 한계점을 극복하기 위해 딥러닝 기반의 침입 탐지 시스템을 제안한다. 제안하는 딥러닝기반의 침입 탐지 시스템은 엣지 컴퓨팅 플랫폼인 KubeEdge를 사용하여 엣지 컴퓨팅을 구성하였다. 침입 탐지모델을 생성하기 위해 희소성 제약을 사용하여 중요한 특징들을 추출 및 학습했다. 학습된 침입 탐지 모델을 엣지컴퓨팅에 배포 및 운영하였을 때 평균 98.96%의 정확도, 99.41%의 F1-Score, 2.270%의 오탐률, 0.4990%의 미탐률을 달성했으며 사용자에게 침입이 발생했음을 보고하고 공격자 IP를 차단하는 적절한 대응을 수행했다.

키워드