이질적 트래픽 환경에서의 HyperVision 탐지 강건성 및 일반화 평가

초록

암호화 트래픽 증가로 기존의 페이로드 기반 탐지 기법이 한계를 보이는 가운데, 메타데이터 기반의 지도학습 기법이 대안으로 제시되었으나, 학습되지 않은 공격 유형에 취약하다는 구조적 한계가 존재한다. 이에 따라 정상 트래픽의 패턴을 학습하고 이상을 탐지하는 비지도 학습 기반 접근이 주목받고 있다. 이러한 흐름 속에서 제안된 HyperVision은 플로우 간 상호작용 그래프를 활용해 미지의 트래픽을 탐지하는 모델이다. 본고는 MAWI 트래픽에 5종의 공격을 주입한 데이터셋을 통해 HyperVision의 강건성 및 일반화 능력을 평가하고 결과에 대해 논의한다.