Earticle

초록

한국어

본 논문에서는 LSTM(Long Short-Term Memory)을 기반으로 하는 Deep Learning 모델을 구축하여 인간의 습관적 특성을 고려한 악성 도메인 탐지 방법을 제시한다. DGA(Domain Generation Algorithm) 악성 도메인은 인간의 습관적 인 실수를 악용하여 심각한 보안 위협을 초래한다. 타이포스쿼팅을 통한 악성 도메인의 변화와 은폐 기술에 신속히 대 응하고, 정확하게 탐지하여 보안 위협을 최소화하는 것이 목표이다. LSTM 기반 Deep Learning 모델은 악성코드별 특 징을 분석하고 학습하여, 생성된 도메인을 악성 또는 양성으로 자동 분류한다. ROC 곡선과 AUC 정확도를 기준으로 모 델의 성능 평가 결과, 99.21% 이상 뛰어난 탐지 정확도를 나타냈다. 이 모델을 활용하여 악성 도메인을 실시간 탐지할 수 있을 뿐만 아니라 다양한 사이버 보안 분야에 응용할 수 있다. 본 논문은 사용자 보호와 사이버 공격으로부터 안전 한 사이버 환경 조성을 위한 새로운 접근 방식을 제안하고 탐구한다.

영어

This paper proposes a method for detecting malicious domains considering human habitual characteristics by buil ding a Deep Learning model based on LSTM (Long Short-Term Memory). DGA (Domain Generation Algorithm) m alicious domains exploit human habitual errors, resulting in severe security threats. The objective is to swiftly and accurately respond to changes in malicious domains and their evasion techniques through typosquatting to minimize security threats. The LSTM-based Deep Learning model automatically analyzes and categorizes generated domains as malicious or benign based on malware-specific features. As a result of evaluating the model's performance based on ROC curve and AUC accuracy, it demonstrated 99.21% superior detection accuracy. Not only can this model dete ct malicious domains in real-time, but it also holds potential applications across various cyber security domains. Thi s paper proposes and explores a novel approach aimed at safeguarding users and fostering a secure cyber environm ent against cyber attacks.

목차

요약
ABSTRACT
1. 서론
2. 관련 연구
3. 본론
3.1 타이포스쿼팅과 인간의 습관적 특성 상관 관계
3.2 연구 방안
3.3 연구 결과
4. 결론 및 제언
4.1 결과 해석과 의의
4.2 제시 모델의 한계점 및 향후 연구 방향 제안
참고문헌

저자

• 정주원 [ Jung Ju Won | ㈜모아소프트, 광운대학교 대학원 방산AI로봇융합학과 ]

참고문헌