한국학술지인용색인(NRF)
권호기사보기
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
국회도서관 홈으로
정보검색
소장정보 검색
결과 내 검색
동의어 포함
저자 검색
- 검색종류
| 대표형(전거형, Authority) | 생물정보 | 이형(異形, Variant) | 소속 | 직위 | 직업 | 활동분야 | 주기 | 서지 | |
|---|---|---|---|---|---|---|---|---|---|
| 연구/단체명을 입력해주세요. | |||||||||
관련 키워드 검색
- 대표어
- 외국어
|
|
|
|
|
|
주제별 검색
* 주제를 선택하시면 검색 상세로 이동합니다.
초록보기
최근, Verizon(2010), 농협(2011), SK컴즈(2011), 그리고 3.20 사이버 테러(2013)와 같이 소중한 정보가 누출되고 자산에 피해가 발생한 후에야 보안 공격을 인지하는 APT (Advanced Persistent Threat) 공격 사례가 증가하고 있다. 이러한 APT 공격을 해결하고자 이상 행위 탐지 기술 관련 연구가 일부 진행되고 있으나, 대부분 알려진 악성 코드의 시그너쳐 기반으로 명백한 이상 행위를 탐지하는데 초점을 맞추고 있어서, 장기간 잠복하며 제로데이 취약점을 이용하고, 새로운 또는 변형된 악성 코드를 일관되게 사용하는 APT 공격에는 취약하여, 미탐율이 굉장히 높은 문제들을 겪고 있다. APT 공격을 탐지하기 위해서는 다양한 소스로부터 장기간에 걸쳐 대규모 데이터를 수집, 처리 및 분석하는 기술과, 데이터를 수집 즉시 실시간 분석하는 기술, 그리고 개별 공격들 간의 상관(correlation) 분석 기술이 동시에 요구되나, 기존 보안 시스템들은 이러한 복잡한 분석 능력이나 컴퓨팅 파워, 신속성 등이 부족하다. 본 논문에서는 기존 시스템들의 실시간 처리 및 분석 한계를 극복하기 위해, 패스트 데이터 기반 실시간 비정상 행위 탐지 시스템을 제안한다.
Recently, there are rapidly increasing cases of APT (Advanced Persistent Threat) attacks such as Verizon(2010), Nonghyup(2011), SK Communications(2011), and 3.20 Cyber Terror(2013), which cause leak of confidential information and tremendous damage to valuable assets without being noticed. Several anomaly detection technologies were studied to defend the APT attacks, mostly focusing on detection of obvious anomalies based on known malicious codes’ signature. However, they are limited in detecting APT attacks and suffering from high false-negative detection accuracy because APT attacks consistently use zero-day vulnerabilities and have long latent period. Detecting APT attacks requires long-term analysis of data from a diverse set of sources collected over the long time, real-time analysis of the ingested data, and correlation analysis of individual attacks. However, traditional security systems lack sophisticated analytic capabilities, compute power, and agility. In this paper, we propose a Fast Data based real-time abnormal behavior detection system to overcome the traditional systems’ real-time processing and analysis limitation.
Recently, there are rapidly increasing cases of APT (Advanced Persistent Threat) attacks such as Verizon(2010), Nonghyup(2011), SK Communications(2011), and 3.20 Cyber Terror(2013), which cause leak of confidential information and tremendous damage to valuable assets without being noticed. Several anomaly detection technologies were studied to defend the APT attacks, mostly focusing on detection of obvious anomalies based on known malicious codes’ signature. However, they are limited in detecting APT attacks and suffering from high false-negative detection accuracy because APT attacks consistently use zero-day vulnerabilities and have long latent period. Detecting APT attacks requires long-term analysis of data from a diverse set of sources collected over the long time, real-time analysis of the ingested data, and correlation analysis of individual attacks. However, traditional security systems lack sophisticated analytic capabilities, compute power, and agility. In this paper, we propose a Fast Data based real-time abnormal behavior detection system to overcome the traditional systems’ real-time processing and analysis limitation.
권호기사
참고문헌 (31건) : 자료제공( 네이버학술정보 )
| 번호 | 참고문헌 | 국회도서관 소장유무 |
|---|---|---|
| 1 | Verizon, “2010 data breach investigations report,” 2010. | 미소장 |
| 2 | Advanced Persistent threats and how to monitor and deter them  |
미소장 |
| 3 | Using Large Scale Distributed Computing to Unveil Advanced Persistent Threats |
미소장 |
| 4 | Apache Hadoop Project, http://hadoop.ap ache.org/. | 미소장 |
| 5 | Apache Storm Project, http://storm.apac he.org/. | 미소장 |
| 6 | Splunk, http://www.splunk.com/. | 미소장 |
| 7 | General Dynamics, “Proposal for R&D support of DARPA cyber genome program,”Mar. 2010. | 미소장 |
| 8 | Sung-Hwan Ahn, Nam-Uk Kim, and Tai-Myoung Chung, “Big data analysis system concept for detecting unknown attacks,”ICACT 2014, pp. 269-272, Feb. 2014. | 미소장 |
| 9 | Kim Jonghyeon, et al., “Trend of cyber security technology using Big Data,”Electronic Communication Trend Analysis, vol. 28, 3rd Ed., June 2013. | 미소장 |
| 10 | Host based Feature Description Method for Detecting APT Attack | 소장 |
| 11 | M.A. Beyer, A. Lapkin, N. Gall, D. Feinberg, and V.T. Sribar, “Big data is only the beginning of extreme information management,”Gartner, Apr. 2011. | 미소장 |
| 12 | Ashish Thusoo, et al., “Hive – a warehousing solution over a Map-Reduce framework,” VLDB 2009, vol. 2, no. 2, pp. 1626-1629, Aug. 2009. | 미소장 |
| 13 | NIST, “Guide for conducting risk assessments,”Special Publication 800-30Revision 1, Sep. 2009. | 미소장 |
| 14 | Symantec, “Symantec internet security threat report,“ Symantec, 2011. | 미소장 |
| 15 | Art Coviello, “Open letter to RSA customers,”June 2011. | 미소장 |
| 16 | Gartner, “Big data,” http://gartner.com/it -glossary/big-data. | 미소장 |
| 17 | Lambda Architecture, http://lambda-arc hitecture.net/. | 미소장 |
| 18 | Abnormal Behavior Detection Technique Based on Big Data |
미소장 |
| 19 | IBM QRadar, http://www-01.ibm.com/sof tware/tivoli/products/security-operation s-mgr/. | 미소장 |
| 20 | McAfee ESM, http://www.mcafee.com/us /products/enterprise-security-manager. aspx | 미소장 |
| 21 | IBM Security Intelligence with Big Data, http://www-03.ibm.com/security/solutio n/intelligence-big-data/. | 미소장 |
| 22 | Toward Scalable Internet Traffic Measurement and Analysis with Hadoop |
미소장 |
| 23 | Daesu Choi, Giljong Moon, Yongmin Kim, and Bongnam Noh, “Large quantity of security log analysis using MapReduce,”Journal of the Korean Institute of Information Technology, vol. 9, 8th Ed., Aug. 2011. | 미소장 |
| 24 | Ting-Fang Yen et al., “Beehive: large-scale log analysis for detecting suspicious activity in enterprise networks,” ACSAC 2013, pp. 199-208, Dec. 2013. | 미소장 |
| 25 | Ioan Raicu et al., “Falkon: a fast and light-weight task execution framework,”ACM/IEEE Conference on Supercomputing, no. 43, Nov. 2007. | 미소장 |
| 26 | http://en.wikipedia.org/wiki/Zero-day_(computing) | 미소장 |
| 27 | Alissa Lorentz, “Big data, fast data, smart data,” WIRED, Apr. 2013. | 미소장 |
| 28 | DCIG, “2014-2015 SIEM appliance buyer’s guide,” 2014. | 미소장 |
| 29 | IBM, “IBM Security QRadar SIEM - product overview,” 2013. | 미소장 |
| 30 | NDM, “ArcSight ESM 7425,” http://www.n dm.net/siem/arcsight/arcsight-esm, 2015. | 미소장 |
| 31 | Splunk, “Splunk performance guide v2.1,”2015. | 미소장 |
MARC 보기
오류 데이터 정정요청
*표시는 필수 입력사항입니다.
알림톡 발송
| *전화번호 | ※ '-' 없이 휴대폰번호를 입력하세요 |
|---|
연속간행물 권호 선택
우편복사 안내
- ◾ 도서관을 방문하지 못할 경우 인터넷, 팩스 등으로 자료 복사를 신청하고, 복사물을 우편·팩스 등으로 제공받는 서비스
- ◾ 대상자료: 일반도서, 연속간행물 및 학위논문
- ※ 고서, 고잡지, 훼손될 우려가 있는 자료, 마이크로폼 자료 및 신문 등 제외
- ◾ 신청 책수: 1인 5책 이하(1일 기준)
- ◾ 신청 절차: 자료 검색 → 우편복사 목록담기 → 복사 범위 입력 → 우편복사 주문서 입력 → 접수 및 확인
- ※ 저작권법에 의거하여 부분 복사(전체 페이지 수의 1/3 범위 이내)만 가능
- ◾ 복사 범위 입력 예시: (연속 페이지) 1-30, (부분 페이지) 25, 30-40
| 번호 | 발행일자 | 권호명 | 제본정보 | 자료실 | 원문 | 신청 페이지 |
|---|
도서위치안내(서울관)
도서위치안내: 정기간행물실(524호) / 서가번호: 국내09
2021년 이전 정기간행물은 온라인 신청(원문 구축 자료는 원문 이용)
0
확인
우편복사 목록담기를 완료하였습니다.
내서재에 담기
새로운 서재
*표시는 필수 입력사항입니다.
저장
저장 되었습니다.