[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR101501669B1 - 비정상 행위를 탐지하기 위한 행위 탐지 시스템 - Google Patents

비정상 행위를 탐지하기 위한 행위 탐지 시스템 Download PDF

Info

Publication number
KR101501669B1
KR101501669B1 KR20130162162A KR20130162162A KR101501669B1 KR 101501669 B1 KR101501669 B1 KR 101501669B1 KR 20130162162 A KR20130162162 A KR 20130162162A KR 20130162162 A KR20130162162 A KR 20130162162A KR 101501669 B1 KR101501669 B1 KR 101501669B1
Authority
KR
South Korea
Prior art keywords
connection
behavior
information
abnormal
detection system
Prior art date
Application number
KR20130162162A
Other languages
English (en)
Inventor
임채태
오주형
강동완
고은별
박현승
김태은
조창민
Original Assignee
한국인터넷진흥원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국인터넷진흥원 filed Critical 한국인터넷진흥원
Priority to KR20130162162A priority Critical patent/KR101501669B1/ko
Priority to US14/227,239 priority patent/US20150180893A1/en
Application granted granted Critical
Publication of KR101501669B1 publication Critical patent/KR101501669B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1425—Traffic logging, e.g. anomaly detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1416—Event detection, e.g. attack signature detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/303—Terminal profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

BYOD(Bring Your Own Device) 및 스마트워크 환경에서 정보 유출 등 기업 내부 인프라의 보안을 위협하는 요소에 대응하도록 사용자별 상황 정보 및 프로파일 기반의 동적 통제를 실시할 수 있는 비정상 행위를 탐지하기 위한 행위 탐지 시스템이 개시된다.
이를 위해 본 발명은 접속 행위 요소별 현재에 일어날 행위 발생 확률을 계산하고, 이를 가중치에 기반한 행위 표준 편차를 계산함으로써 계산된 행위 발생 확률과 행위 표준 편차가 정상 행위에 해당되는지를 판단하게 되면 BYOD 환경 및 스마트워크 환경에서의 비정상 접속 행위 여부를 탐지하게 되고, 또, 평균 트래픽 발생량 초과 여부, 평균 이용 시간 초과 여부 및 이용 시간 대비 트래픽 발생량 임계비율 초과 여부 등을 수행함으로써 비정상 이용자를 탐지하게 된다.
이로 인해, 본 발명은 NAC 및 MDM 기술에 비하여 BYOD 및 스마트워크 환경에서의 보안성을 향상시킬 수 있다.

Description

비정상 행위를 탐지하기 위한 행위 탐지 시스템{BEHAVIOR DETECTION SYSTEM FOR DETECTING ABNORMAL BEHAVIOR}
본 발명은 비정상 행위를 탐지하기 위한 행위 탐지 시스템에 관한 것으로서, 더욱 상세하게는 BYOD(Bring Your Own Device) 및 스마트워크 환경에서 정보 유출 등 기업 내부 인프라의 보안을 위협하는 요소에 대응하도록 사용자별 상황 정보 및 프로파일 기반의 동적 통제를 실시할 수 있는 비정상 행위를 탐지하기 위한 행위 탐지 시스템에 관한 것이다.
새로운 IT 환경인 BYOD 및 스마트워크 환경은 무선 인터넷 환경 구축과 태블릿 PC, 스마트폰등 스마트 기기의 대중화, 데스크탑 가상화와 클라우드 서비스의 활용 증가, 실시간 커뮤니케이션과 업무 연속성의 중시 등으로 환경 형성이 가속화되었다.
기업 입장에서도 업무 생산성 및 효율성을 높이고 기기 구매 등의 비용 절감을 위해 BYOD를 적극적으로 도입하고 있는 추세이다. 이렇듯 BYOD 시대가 도래되면서 기업 내부인프라가 폐쇄적 환경에서 개방적 환경으로 전환되고 있다. 언제 어디서나 개인 기기의 기업 인프라 접근이 허용되고 있는 것이다.
기업 내부에서 무선 공유기(AP), 스위치 등을 통해서 개인 기기의 기업 인프라 접근이 가능하며, 이동통신망, 공개 와이파이(Wi-Fi), VPN 등을 통해 기업외부로부터 개인 기기를 통하여 기업 인프라에 접근할 수도 있다.
이와 같이, 개방적 환경으로의 변화는 업무 연속성과 편의성를 획득한 반면, 이전에는 생각지 못했던 보안 위협 또한 다수 발생하였다. 무엇보다도, 개인 기기들이 기업 내부 인프라에 접근함에 따라 기업 내부 데이터가 유출될 수 있는 위험이 커졌다. 즉, 개인 기기의 분실이나 도난 등에 의해 기업 내부 데이터의 유출 발생 가능성이 있고, 악성코드에 감염된 개인용 기기의 내부 인트라넷 접속으로 인한 기업 IT 자산이 위협 받을 수도 있었다.
위와 같은 IT 자산의 위협에 대응하여 BYOD 및 스마트워크 환경에서 최근 각광받고 있는 보안 기술로는 NAC과 MDM을 들 수 있다. NAC 기술이란 사용자 PC(단말)이 내부 네트워크에 접근하기 전에 보안 정책을 준수했는지를 검사하여 비정상 단말 여부에 따라 네트워크 접속을 통제하는 기술을 가리킨다.
이러한 상기 NAC는 자체가 사용자 인증 및 접근 제어를 주목적으로 하여 네트워크 접근 이후 사용자나 단말기기의 비정상 행위를 탐지하여 대응하는 기능이 부족하다. 또한 등록된 사용자 기반 인증이 중심이어서 단말기기 인증에 대한 기능도 부족하였다.
무엇보다도, 상기 NAC는 태생적으로 네트워크 접근 자체에 대한 차단을 목적으로 하고 있어 앞에서도 언급했듯이, 다양한 개인 기기의 활용 및 업무 연속성 보장 위에, 비정상 행위의 사용자를 격리시켜 기업 데이터를 보호해야 하는 보안 특수성이 부족한 실정이다.
반면, MDM이란 OTA(휴대폰무선전송기술, Over The Air)을 이용하여 언제 어디서나 모바일 기기가 Power On 상태로 있으면 원격에서 단말 등록/관리, 분실 단말 사용중지, 단말 추적 관리 등의 기능을 제공하는 시스템을 가리킨다.
그러나, 상기 MDM은 하나의 어플리케이션에 해당되므로 다른 어플리케이션 접근 제어 및 모니터링이 어렵다.
또한, 상기 MDM은 시스템 레벨의 네트워크 레이어 접근이 불가능하며 네트워크 데이터에 대한 행위 분석이 불가능하였다. 무엇보다도, 개인 프라이버시에 대한 보호 요구 등으로 사용자들이 개인기기 상에 MDM 에이전트 설치를 꺼려해 보급 및 확산이 어려우며, 더불어 다양한 단말 기기에 대한 지속적인 버전 관리 비용이 증가되었다.
이와 같이, 앞서 설명한 종래의 NAC 및 MDM 기술은 BYOD 및 스마트워크 환경에서 내부 자원을 보호하는데 한계가 있었다.
본 발명은 상술한 문제점을 해결하기 위하여 안출된 것으로서, 단말 기기 및 MDM 에이젼트 기기로부터 수집되는 상황 정보를 가공하여 BYOD(Bring Your Own Device) 및 스마트워크 환경에서의 비정상 행위를 탐지하기 위한 행위 탐지 시스템을 제공하는데 그 목적이 있다.
또한, 본 발명은 사용자별로 프로 파일링(특정 개체를 식별하고 해당 개체의 행위를 묘사 가능한 집합을 의미함)하여 업무를 수행하면서 저장되는 사용자의 정상 행위들을 축적해 놓아, 이를 이후 사용자의 비정상 접속과 관련한 비정상 행위를 탐지하기 위한 행위 탐지 시스템을 제공하는데 그 다른 목적이 있다.
또한, 본 발명은 사용자의 접속 시간이나 위치 등 실시간 상황 정보와 이전 행위 기록 및 시스템 내 모든 사용자의 평균치 및 통계치 등을 구성하는 정상 프로파일에 기반하여 정상 행위 패턴화 요소와 비교한 비정상 접속 요소들을 실시간 탐지할 수 있는 비정상 접속 탐지 방법을 제공하는데 또 다른 목적이 있다.
상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 기능을 수행하기 위한, 본 발명의 특징은 다음과 같다.
본 발명의 일 관점에 따르면, BYOD(Bring Your Own Device) 및 스마트워크 환경에서의 사용자의 비정상 행위를 탐지하기 위한 행위 탐지 시스템으로서, 단말 기기 및 MDM 에이젼트 기기로부터 상황 정보를 수집하는 상황 정보 수집 시스템; 수집된 상기 상황 정보를 접속, 이용 및 에이젼트 상황 정보로 가공하여 저장하고, 접속 종료시의 상기 상황 정보를 프로 파일링하여 프로파일 정보로 가공하여 저장하는 정보 데이터베이스; 및 상기 프로파일 정보에 포함된 정상 프로파일 정보를 이용하여 사용자의 단말 기기의 접속과 이용에 대한 비정상 행위를 탐지하는 비정상 행위 탐지 시스템;을 포함하는 행위 탐지 시스템이 제공된다.
여기서, 본 발명의 일 관점에 따른 상기 비정상 행위 탐지 시스템은 상기 접속, 이용 및 에이젼트 상황 정보에 기반하여 접속중인 사용자의 단말 기기의 접속, 이용과 에이젼트에 대한 비정상 행위를 탐지하고, 보안 정책에 따른 상기 프로파일 정보에 기반하여 사용자의 단말 기기의 접속과 이용에 대한 비정상 행위를 더 탐지할 수 있다.
또한, 본 발명의 일 관점에 따른 상기 비정상 행위 탐지 시스템은 상기 프로파일정보 중 정상 프로파일 정보로부터 같은 계열의 접속 행위 요소들을 갖는 복수개의 접속 행위 패턴 정보를 추출하는 접속 행위 패턴 추출부; 상기 복수개의 접속 행위 패턴정보 중 임의의 접속 행위 패턴 정보별로 나머지 다른 복수개의 접속 행위 패턴 정보를 매칭시켜 매트릭스화 하는 매트릭스 저장부; 상기 임의의 접속 행위 패턴 정보에 포함된 첫번째 현재 행위의 제1 접속 행위 요소를 추출하는 접속행위 요소 추출부; 및 나머지 다른 접속 행위 패턴 요소들의 행위 하에서 상기 제1 접속 행위 요소에 대한 현재 행위 발생 확률을 계산하는 제1 발생 확률 계산부;를 포함하여 구성될 수 있다.
또한, 본 발명의 일 관점에 따른 상기 비정상 행위 탐지 시스템은 상기 임의의 접속 행위 패턴 정보 중 상기 현재 행위 발생 확률 계산을 위한 다른 제2 접속 행위 요소들이 있는지를 판단하고, 판단 결과, 존재할 경우 상기 임의의 접속 행위 패턴 정보에 포함된 다음 현재 행위의 상기 제2 접속 행위 요소들을 추출하여 추출된 상기 제2 접속 행위 요소들에 대한 각 현재 행위 발생 확률을 더 계산하는 제2 발생 확률 계산부;를 더 포함하여 구성될 수 있다.
또한, 본 발명의 일 관점에 따른 상기 비정상 행위 탐지 시스템은 상기 판단 결과, 더 이상 없을 경우 상기 제1 접속 행위 요소와 제2 접속 행위 요소들별로 행위 발생 확률에 대한 가중 평균치와 표준 편차를 계산하여 정상 행위 발생 확률과 정상 표준편차 범위안에 있는지를 판단하여 비정상 접속 행위 여부를 확인하는 비정상 접속 확인부;를 더 포함하여 구성될 수 있다.
또한, 본 발명의 일 관점에 따른 상기 비정상 행위 탐지 시스템은 상기 프로파일 정보 중 제1 기기 프로파일 정보를 조회하여 1회 접속시의 평균 트래픽 발생량 정보와 평균 이용 시간 정보를 추출하는 트래픽 이용시간 추출부; 접속중에 발생된 제2 기기 프로파일 정보로부터 획득한 1회 접속시의 트래픽 발생량이 상기 평균 트래픽 발생량 정보보다 초과했는지를 판단하는 제1 트래픽 발생량 판단부; 상기 제1 트래픽 발생량 판단부의 판단 결과 초과했을 경우, 상기 제2 기기 프로파일 정보로부터 획득한 1회 접속시의 이용 시간이 상기 평균 이용 시간 정보보다 초과했는지를 판단하는 이용시간 판단부; 상기 이용시간 판단부의 판단 결과 초과했을 경우, 상기 이용 시간 대비 상기 트래픽 발생량이 미리 설정된 임계 비율을 초과했는지를 판단하는 트래픽 이용시간 판단부; 및 상기 트래픽 이용시간 판단부의 판단 결과 초과했을 경우, 상기 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 비정상인 접속인 것으로 판정하는 정상 접속여부 판단부;를 포함하여 구성될 수 있다.
또한, 본 발명의 일 관점에 따른 상기 비정상 행위 탐지 시스템은 상기 이용시간 판단부의 판단 결과 초과하지 않을 경우 상기 1회 접속시 평균 트래픽 발생량 정보 대비 허용 가능한 트래픽 발생량의 임계 비율을 초과하였는지를 판단하는 트래픽 허용치 판단부;를 더 포함하여 구성될 수 있다.
이럴 경우, 본 발명의 일 관점에 따른 상기 트래픽 허용치 판단부는 상기 트래픽 허용치 판단부의 판단 결과, 초과하지 않을 경우 상기 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 비정상 접속인 것으로 판정하고, 초과했을 경우 상기 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 정상 접속인 것으로 판정할 수 있다.
또한, 본 발명의 일 관점에 따른 상기 제1 트래픽 발생량 판단부는 판단 결과 초과하지 않을 경우, 상기 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 정상 접속인 것으로 판정할 수 있다.
또한, 본 발명의 일 관점에 따른 상기 트래픽 이용시간 판단부는 판단 결과 초과하지 않을 경우, 상기 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 정상 접속인 것으로 판정할 수 있다.
이상과 같이, 본 발명에 따르면, 상황 정보를 접속, 이용 및 에이젼트 상황 정보와 프로파일 정보로 가공한 후 이를 이용하여 단말기기의 접속, 이용 등과 같은 비정상 행위를 탐지함으로써, BYOD 및 스마트워크 환경에서의 보안성을 향상시킬 수 있는 효과가 있다.
또한, 본 발명에 따르면, 복수개의 접속 행위 요소를 추출한 후 나머지 다른 접속 행위 패턴 요소들의 행위 하에서 해당하는 접속 행위 요소에 대한 현재 행위 발생 확률을 계산함으로써 비정상 접속 행위 및 악성 행위를 쉽게 판단할 수 있기 때문에 BYOD 및 스마트워크 환경에서의 보안성을 향상시킬 수 있는 효과가 있다.
또한, 본 발명에 따르면, 1회 접속시의 평균 트래픽 발생량과 평균 이용 시간 초과 여부를 판단함으로써, 비정상 이용 행위를 쉽게 판단 할 수 있기 때문에 BYOD 및 스마트워크 환경에서의 보안성을 향상시킬 수 있는 효과가 있다.
특히, 위와 같이, 비정상 접속 행위를 탐지하게 되면, BYOD 및 스마트워크 환경에서 내부 자원을 보호하는데 한계가 있는 기존의 NAC 및 MDM 기술을 대체할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 행위 탐지 시스템(1000)을 예시적으로 나타낸 도면이다.
도 2는 본 발명의 제1 실시예에 따른 비정상 접속 행위를 탐지하기 위한 비정상 행위 탐지 시스템(300)의 구성을 예시적으로 나타낸 도면이다.
도 3 내지 도 7은 본 발명의 제1 실시예에 따른 비정상 행위 탐지 시스템(300)의 각 구성에서 획득되는 데이터 상태를 나타낸 도면이다.
도 8은 본 발명의 제2 실시예에 따른 프로파일 기반 비정상 이용 행위를 탐지하기 위한 비정상 행위 탐지 시스템(300)의 구성을 예시적으로 나타낸 도면이다.
도 9는 본 발명의 제2 실시예에 따른 이용 시간별 트래픽 발생량 누적 그래프를 나타낸 도면이다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시 예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
도 1은 본 발명의 일 실시예에 따른 행위 탐지 시스템(1000)을 예시적으로 나타낸 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 행위 탐지 시스템(1000)은 BYOD(Bring Your Own Device) 및 스마트워크 환경에서의 비정상 행위들을 탐지하기 위하여 상황 정보 수집 시스템(100), 정보 데이터베이스(200) 및 비정상 행위 탐지 시스템(300), 제어 시스템(400), 단말 기기(500) 및 MDM 서버(600)를 포함하여 이루어진다.
먼저, 본 발명에 따른 상황 정보 수집 시스템(100)은 단말 기기 및 MDM 에이젼트 기기로부터 인증시, 접속시 및 접속 종료시와 관련한 상황 정보를 수집하는 역할을 한다.
이때, 수집되는 상황 정보는 접속 주소(id, 소속, 권한, 현재 상태 등), 접속 패턴(인증결과, 인증실패횟수 등), 네트워크 행위 정보(접속시간, 위치 등) 및 접속 종료시간 정보를 포함한다. 이러한 상황정보는 주기적 전송 데이터와 비주기적(실시간) 전송 데이터 존재하지만, 모두 비주기적으로 간주하여 상황 정보 수집 시스템(100)에서 수집된다.
다음으로, 본 발명에 따른 정보 데이터베이스(200)는 상황 정보 수집 시스템(100)에 의해 수집된 상황 정보를 접속, 이용 및 에이젼트 상황 정보로 가공함과 동시에 접속 종료시의 상황 정보를 프로 파일링하여 프로파일 정보로 가공한 후 저장한다.
이때, 저장되는 프로파일 정보는 사용자 프로파일, 단말기기 프로파일 및 접속행위 프로파일을 포함한다. 이때, 사용자 프로파일은 사용자 권한정보, 총 인증 실패횟수, 최근 접속 일시, 최초 접속 일시, 총 이용시간 및 총 접 속횟수를 포함하고, 상기 단말기기 프로파일은 기기 ID, 종류, OS, 브라우져, 기기명, MAC, 에이젼트 설치 유무, 화면 잠금 여부, 설치 프로그램 정보, 자동 로그인 설정 및 최근 접속 일시를 포함한다. 그리고, 상기 접속 행위 프로파일은 접속 행위 패턴 정보를 포함한다.
다음으로, 본 발명에 따른 비정상 행위 탐지 시스템(300)은 정보 데이터베이스(200)에 저장된 프로파일 정보 및 접속, 이용 및 에이젼트 상황 정보를 이용하여 단말기기(500) 및/또는 MDM 서버(600)의 접속 행위와 이용 행위 및 인증 행위등과 관련한 비정상 행위들을 탐지한다. 예를 들면, 프로파일 정보에 포함된 정상 프로파일 정보를 이용하여 사용자의 단말 기기의 접속과 이용에 대한 비정상 행위를 탐지한다.
다음으로, 본 발명에 따른 제어 시스템(300)은 비정상 행위 탐지 시스템(300)에서 탐지된 비정상 행위 정보들을 제공받아 관제 GUI를 통해 통제하거나 보안 정책을 수립하고 관리하며, 외부 보안 기기와 연동을 제어한다. 이러한 제어 시스템(300)은 정보 데이터베이스(200) 및/또는 비정상 행위 탐지 시스템(300)과 일측이 연결되어 있고 타측이 외부 보안 기기(예: 지니안, 와플)와 연결되어 있다.
다음으로, 본 발명에 따른 단말 기기(500)는 스마트폰, 랩탑 및 태블릿 등 개인 소유의 이동 기기로 회사 내 데이터베이스와 애플리케이션 등과 같은 회사 내부의 IT 리소스에 접근하여 업무를 처리하는 단말이다.
다시 말해, 상기 단말 기기(500)는 BYOD(Bring Your Own Device) 및 스마트워크 환경에서의 인증시, 접속시 및 접속 종료시와 관련한 상황 정보를 발생시킨다. 이러한 상황 정보는 앞서 설명하였기 때문에 부가 설명은 생략하기로 한다.
마지막으로, 본 발명에 따른 MDM 서버(600)는 DMZ나 screened subnet에 위치하며 사내 네트워크와 Mobile Device 간의 인증 연결, Direct Push Update 등 통신을 위한 Gateway 역할을 한다. 이러한 MDM 서버(600)에는 다수의 에이젼트가 접속하여 앞서 설명한 상황 정보를 발생시킨다.
이하에서는, 앞서 설명한 비정상 행위 탐지 시스템(300)에 대하여 보다 구체적으로 설명하고자 한다.
제1 실시예
도 2는 본 발명의 제1 실시예에 따른 비정상 접속 행위를 탐지하기 위한 비정상 행위 탐지 시스템(300)의 구성을 예시적으로 나타낸 도면이고, 도 3 내지 도 7은 본 발명의 제1 실시예에 따른 비정상 행위 탐지 시스템(300)의 각 구성에서 획득되는 데이터 상태를 나타낸 도면이다. 이러한 도 3 내지 도 7은 도 2를 설명하면서 보조적으로 설명하고자 한다.
도 2에 도시된 바와 같이, 본 발명의 제1 실시예에 따른 비정상 행위 탐지 시스템(300)은 BYOD 및/또는 스마트워크 환경에서 추출된 프로파일 정보 중 정상 프로파일을 이용한 비정상 접속 행위를 탐지하기 하기 위하여 접속 행위 패턴 추출부(305), 매트릭스 저장부(310), 접속행위 요소 추출부(315), 제1 발생 확률 계산부(320), 제2 발생 확률 계산부(325), 비정상 접속 확인부(330) 및 제어부(331)를 포함하여 이루어진다.
먼저, 본 발명에 따른 접속 행위 패턴 추출부(305)는 앞서 도 1에서 설명한 정보 데이터베이스(200)에 저장된 프로파일 정보중 정상 프로파일 정보를 추출하고, 상기 정상 프로파일 정보로부터 같은 계열의 접속 행위 요소들을 갖는 복수개의 접속 행위 패턴 정보를 추출한다.
예를 들면, 같은 계열을 이루는 a1, a2, a3와 같은 접속 행위 요소, b1, b2, b3와 같은 접속 행위 요소들을 갖는 복수개의 접속 행위 패턴 정보(A, B)를 추출하게 된다.
다시 말해, A 접속 행위 패턴 정보에는 유사한 접속 행위를 이루는 a1, a2, a3와 같은 접속 행위 요소들을 가지며, B 접속 행위 패턴 정보에는 유사한 접속 행위를 이루는 b1, b2, b3와 같은 접속 행위 요소들을 가질 수 있다. 이러한 예는 하기의 (표 1)과 같이 정리하여 나타낼 수 있다.
접속행위정보 A B C
접속행위요소 a1, a2, a3 .. b1, b2, b3 .. c1, c2, c3 ..
다음으로, 본 발명에 따른 매트릭스 저장부(310)는 접속 행위 패턴 추출부(305)에서 추출된 복수개의 접속 행위 패턴 정보, 예컨대 A, B, C의 접속 행위 패턴 정보중 중 임의의 접속 행위 패턴 정보별로 나머지 다른 복수개의 접속 행위 패턴 정보를 매칭시켜 매트릭스화한다.
예를 들면, 상기 임의의 접속 행위 패턴 정보가 A인 경우에는 B와 C가 나머지 다른 복수개의 접속 행위 패턴 정보에 해당되고, 상기 임의의 접속 행위 패턴 정보가 B인 경우에는 A와 C가 나머지 다른 복수개의 접속 행위 패턴 정보에 해당될 수 있다.
이와 같이 매트릭스화된 매트릭스화 정보(패턴화된 행위 정보)는 도 3과 같이 정리하여 나타낼 수 있다.
다음으로, 본 발명에 따른 접속행위 요소 추출부(315)는 임의의 접속 행위 패턴 정보에 포함된 첫번째 현재 행위의 제1 접속 행위 요소를 추출한다. 예를 들면, 현재 발생한 행위가 각각 a2, b1, c3의 순서로 발생하였다면, 이러한 a2, b1, c3와 같은 제1 접속 행위 요소들을 현재 행위 요소들로서 각각 추출할 수 있을 것이다. 추출된 제1 접속 행위 요소들(a2, b1, c3)에 대한 예는 도 4에 나타내었다.
다음으로, 본 발명에 따른 제1 발생 확률 계산부(320)는 도 4에서와 같이 나머지 다른 접속행위 패턴 요소들의 행위 하에서 접속행위 요소 추출부(315)에 의해 추출된 제1 접속 행위 요소를 매칭시킨다. 예를 들면, 도 4에서와 같이 B{b1, b2, b3}, C{c1, c2, c3}이라는 각 접속행위 패턴 요소들의 행위하에 A{a1, a2}이라는 제1 접속 행위 요소들을 매칭시킨다.
그리고, 본 발명에 따른 제1 발생 확률 계산부(320)는 예컨대 B(b1, b2, b3), C(c1, c2, c3)와 같은 나머지 다른 접속 행위 패턴 요소들의 행위 하에 a1, a2와 같은 제1 접속 행위 요소들에 대한 현재 행위 발생 확률을 계산하거나, A(a1, a2, a3), C(c1, c2, c3)와 같은 나머지 다른 접속 행위 패턴 요소들의 행위 하에 b1, b2, b3와 같은 제1 접속 행위 요소들에 대한 행위 발생 확률을 각각 계산하게 된다.
이때, 계산되는 제1 접속 행위 요소들에 대한 행위 발생 확률의 예는 도 5와 같이 일례로서 나타낼 수 있다. 즉, 도 5에서는 베이지안 이론을 적용하여 b2, c3 행위 시, a1 행위(a1 제1 접속 행위 요소의 행위)가 현재 일어날 확률만을 나타내었다. 이러한 확률 계산과 마찬가지로 나머지 현재 행위들도 현재 발생 확률을 계산할 수 있을 것이다.
다음으로, 본 발명에 따른 제2 발생 확률 계산부(325)는 임의의 접속 행위 패턴 정보 중 현재 행위 발생 확률 계산을 위한 다른 제2 접속 행위 요소들이 있는지를 판단한다.
예를 들면, 앞서 접속행위 요소 추출부(315)에서 언급하였듯이 첫번째로 선택된 제1 접속 행위 요소가 a2일 경우, 두번째로 선택된 b1이 제2 접속 행위 요소에 해당되고, 이어서 제1 접속 행위 요소가 b1인 경우 이 다음 차례로 돌아오는 c3가 제2 접속 행위 요소에 해당될 것이다. 따라서, 본 발명에 따른 제2 발생 확률 계산부(325)는 위와 같은 b1 및 c3와 같은 제2 접속 행위 요소들이 존재하는지를 판단하게 된다.
이어서, 본 발명에 따른 제2 발생 확률 계산부(325)는 판단 결과 위와 같은 b1 및 c3와 같은 제2 접속 행위 요소들이 계속하여 존재한다고 판단되면 b1 및 c3와 같은 제2 접속 행위 요소들을 추출한 후 제2 접속 행위 요소들(b1, c3)에 대한 각 현재 행위 발생 확률을 앞서 설명한 제1 발생 확률 계산부(320)에서의 계산처럼 동일하게 더 계산하게 된다.
이와 같이, 상기 제2 접속 행위 요소들은 임의의 어느 하나를 가리키는 제1 접속 행위 요소들과 달리 복수개의 현재 발생 행위들을 의미한다. 따라서, 차례로 돌아오는 모든 접속행위 요소들이 존재하는지를 판단하여 제1 접속행위 요소의 현재 행위 발생 확률 계산처럼 각각의 현재 행위 발생 확률을 더 계산할 수 있게 된다.
다음으로, 본 발명에 따른 비정상 접속 확인부(330)는 제2 발생 확률 계산부(325)의 판단 결과, 더 이상 제2 접속 행위 요소들이 존재하지 않는다고 판단될 경우 제1 접속 행위 요소와 제2 접속 행위 요소들별로 행위 발생 확률에 대한 가중 평균치를 계산하게 된다.
예를 들면, 도 6에서와 같이, a1 발생 확률을 P(a1)이라 정의하고, b3 발생 확률을 P(b3)라 정의하며, c3 발생 확률을 P(c3)라 정의하고, A 행위시 가중치를 WA=1, B 행위시 가중치를 WB=3, C 행위시 가중치를 WC=5라고 정의하면, 가중 평균치에 기반한 행위 발생 확률(P)= [(P(a1) * WA) + (P(b3) * WB) + (P(c3) * WC)] / W로 계산될 수 있다.
이어서, 본 발명에 따른 비정상 접속 확인부(330)는 앞서 설명하였듯이 확인된 제1 접속 행위 요소와 제2 접속 행위 요소들별로 행위 발생 확률에 대한 가중 평균치를 계산한 후 이 결과를 토대로 도 7에서와 같이 표준 편차(행위 표준 편차)의 식(SD)을 이용하여 표준 편차를 계산하게 된다.
이런 다음, 본 발명에 따른 비정상 접속 확인부(330)는 앞서 언급을 통해 계산된 행위 발생 확률에 대한 가중 평균치와 표준 편차를 이용하여 정상 행위 발생 확률과 정상 표준편차 범위안에 있는지를 판단하여 BYOD 환경 및 스마트워크 환경에서의 비정상 접속 행위 여부를 확인한다.
예를 들면, 하기의 표 2 및 표 3에서와 같이 정상 기준에 따라 정상 행위 확률(P)과 정상 표준 편차(SD)를 확인하게 되면, 행위 발생 확률과 표준 편차가 정상인지 아니면 비정상인지를 알 수 있고 이로써 의심 행위, 경고 행위 및 비정상 행위와 같은 비정상 접속 행위 여부를 알 수 있을 것이다.
구분 정상 기준
정상 행위 확률(P) 60＜P
정상 표준 편차(SD) SD＞20
구분 최종 판단
행위 발생 확률 표준편차
정상 비정상 의심 행위
비정상 정상 경고 행위
정상 비정상 비정상 행위
여기서, 상기 행위 확률이 정상이고, 표준 편차가 비정상인 경우에는 접속 행위 발생 가능성이 있는 경우이지만 일부 행위 요소는 발생 가능성이 낮은 상황을 의미하고, 상기 행위 확률이 비정상이고 표준 편차가 정상인 경우에는 전체적인 접속 행위 발생 가능성이 낮은 경우(각 행위 요소별 발생 가능성이 낮기 때문에 표준편차의 의미 없음)를 의미한다.
반면, 둘 다 비정상인 경우에는 전체적으로도 발생되기 어렵고, 일부 행위 요소에 대해서도 발생 가능성이 현저히 낮은 상황을 의미한다.
마지막으로, 본 발명에 따른 제어부(331)는 앞서 설명한 접속 행위 패턴 추출부(305), 매트릭스 저장부(310), 접속행위 요소 추출부(315), 제1 발생 확률 계산부(320), 제2 발생 확률 계산부(325) 및 비정상 접속 확인부(330)간의 데이터 흐름을 제어하는 역할을 한다. 따라서, 해당하는 고유의 기능이 각 구성에서 수행되게 되는 것이다.
이와 같이, 본 실시예에서는 최종적으로 계산된 행위 발생 확률과 행위 표준 편차를 이용하여 비정상 접속 행위 여부를 알 수 있게 됨으로써, 기존의 NAC 및 MDM 기술보다도 BYOD 및 스마트워크 환경에서 보다 뛰어난 보안성을 유지할 수 있게 된다.
제2 실시예
도 8은 본 발명의 제2 실시예에 따른 프로파일 기반 비정상 이용 행위를 탐지하기 위한 비정상 행위 탐지 시스템(300)의 구성을 예시적으로 나타낸 도면이다.
도 8에 도시된 바와 같이, 본 발명의 제2 실시예에 따른 비정상 행위 탐지 시스템(300)은 BYOD(Bring Your Own Device) 및 스마트워크 환경에서 추출된 프로파일 정보를 이용한 비정상 이용 행위를 탐지하기 위하여 트래픽 이용시간 추출부(335), 제1 트래픽 발생량 판단부(340), 이용시간 판단부(345), 트래픽 이용시간 판단부(350), 정상 접속여부 판단부(355) 및 트래픽 허용치 판단부(360)를 포함하여 이루어진다.
먼저, 본 발명에 따른 트래픽 이용시간 추출부(335)는 앞서 도 1에서 설명한 정보 데이터베이스(200)에 저장된 프로파일 정보중 제1 기기 프로파일 정보(다수의 사용자에 대한 기기 프로파일 정보를 의미함)를 조회하여 1회 접속시의 평균 트래픽 발생량 정보와 평균 이용 시간 정보를 추출한다.
여기서, 프로파일 정보는 사용자 권한정보, 총 인증 실패횟수, 최근 접속 일시, 최초 접속 일시, 총 이용시간 및 총 접속 횟수로 이루어진 사용자 프로파일과, 기기 ID, 종류, OS, 브라우져, 기기명, MAC, 에이젼트 설치 유무, 화면 잠금 여부, 설치 프로그램 정보, 자동 로그인 설정 및 최근 접속 일시로 이루어진 제1 기기 프로파일과 접속 행위 패턴 정보로 이루어진 접속 행위 프로파일을 포함한다.
이럴 경우, 본 발명에 따른 트래픽 이용시간 추출부(335)는 위와 같은 프로파일 정보 중 제1 기기 프로파일로부터 1회 접속시의 평균 트래픽 발생량 정보와 평균 이용 시간 정보를 추출하게 된다. 이때, 평균 트래픽 발생량 정보의 평균 트래픽 발생량은 (목적지 대상) 송수신 패킷수/ 기기의 총 접속수의 식에 의하여 계산되고, 평균 이용 시간 정보의 평균 이용 시간은 '기기 총 사용 시간/기기의 총 접속 횟수'의 식에 의해 계산되어 질 수 있다.
다음으로, 본 발명에 따른 제1 트래픽 발생량 판단부(340)는 접속중에 발생된 제2 기기 프로파일 정보로부터 획득한 1회 접속시의 트래픽 발생량이 트래픽 이용시간 추출부(335)에서 추출된 평균 트래픽 발생량 정보보다 초과했는지를 판단하게 된다.
이와 같은 판단 기준으로서 적용된 평균 트래픽 발생량 정보는 사용자가 현재 사용 기기를 통해 1회 접속시에 발생된 평균 데이터량을 의미한다. 한편, 상기 제2 기기 프로파일 정보는 현재 사용중 단말기기로부터 획득한 기기 프로파일 정보를 의미한다.
위의 판단 결과, 초과하지 않을 경우에는 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 정상 접속인 것으로 제1 트래픽 발생량 판단부(340)에서 판정하게 된다.
다음으로, 본 발명에 따른 이용시간 판단부(345)는 제1 트래픽 발생량 판단부(340)의 판단 결과 초과했다고 판단될 경우 비정상 접속인 것으로 가정한 후 제2 기기 프로파일 정보로부터 획득한 1회 접속시의 이용 시간이 평균 이용 시간 정보보다 초과했는지를 판단하게 된다.
이와 같은 판단 기준으로서 적용된 평균 이용 시간 정보는 사용자가 현재 사용 기기(단말기기)를 통해 접속시의 평균 사용 시간을 의미하고, 상기 이용 시간은 마지막 통신 시간 - 접속 시간을 의미한다.
다음으로, 본 발명에 따른 트래픽 이용시간 판단부(350)는 이용시간 판단부(345)의 판단 결과 초과했다고 판단될 경우, 이용 시간 대비 트래픽 발생량이 미리 설정된 임계 비율을 초과했는지를 판단하게 된다.
이때, 임계 비율은 평균 이용시간 내 평균 이상의 트래픽 발생량 허용 범위를 의미한다. 반면, 상기 이용 시간 대비 트래픽 발생량은 (목적지 대상) 사용자가 현재 사용 기기를 통해 특정 이용 시간별 사용하는 평균 데이터량을 의미하는 것으로서, (목적지 대상)송수신 패킷수 / 기기의 총 이용 시간 × 측정 대상 이용 시간의 식에 의해 계산되어 질 수 있다.
다음으로, 본 발명에 따른 정상 접속여부 판단부(355)는 트래픽 이용시간 판단부(350)의 판단 결과 초과하지 않았다고 판단될 경우, 1회 접속시 평균 트래픽 발생량 정보 대비 허용 가능한 트래픽 발생량의 임계 비율을 초과하였는지를 판단하게 된다.
이때, 상기 정상 접속여부 판단부(355)의 판단 결과, 초과한 것으로 판단될 경우에는 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 비정상 접속인 것으로 판정한다.
다음으로, 본 발명에 따른 트래픽 허용치 판단부(360)는 앞서 설명한 이용시간 판단부(345)의 판단 결과 초과하지 않을 경우 1회 접속시 평균 트래픽 발생량 정보 대비 허용 가능한 트래픽 발생량의 임계 비율을 초과하였는지를 판단하게 된다.
이러한 트래픽 허용치 판단부(360)의 판단 결과, 초과하지 않을 경우에는 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 비정상 접속인 것으로 판정하고, 초과했다고 판단될 경우 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 정상 접속인 것으로 판정하게 된다.
이와 같이, 본 실시예에서는 위와 같은 각 판단 과정을 통해 현재 접속중인 단말기기가 비정상 이용자임을 알 수 있게 되어 BYOD(Bring Your Own Device) 및 스마트 워크 환경에서의 보안성을 높일 수 있게 된다.
도 9는 본 발명의 제2 실시예에 따른 이용 시간별 트래픽 발생량 누적 그래프를 나타낸 도면이다.
도 9에 도시된 바와 같이, 본 발명의 제2 일 실시예에 따른 이용 시간별 트래픽 발생량의 누적 그래프에서는 비정상 이용 탐지를 위하여 1회 접속시 평균 이용 시간 그래프와 평균 이용 시간의 평균 트래픽 발생량을 기반으로 한 이용 시간대별 발생 가능 트래픽 량의 범위 등 다양한 그래프 상태를 확인할 수 있을 것이다.
한편, 이상에서 설명된 비정상 행위 탐지 시스템(300)은 도2 내지 도8에 설명된 바와 같이 과거 행위 정보에 기반하여 비정상 행위를 탐지하였지만, 실시간 행위 정보에 기반하여 비정상 행위를 더 탐지할 수 있다.
즉, 본 발명에 따른 비정상 행위 탐지 시스템(300)은 정보 데이터베이스(200)에 저장된 실시간 행위 정보, 예컨대 접속, 이용 및 에이젼트 상황 정보에 기반하여 접속중인 사용자의 단말 기기의 접속, 이용과 에이젼트에 대한 비정상 행위를 더 탐지할 수 있고, 또 보안 정책에 따른 상기 프로파일 정보에 기반하여 사용자의 단말 기기의 접속과 이용에 대한 비정상 행위를 더 탐지할 수도 있다.

Claims (10)

  1. BYOD(Bring Your Own Device) 및 스마트워크 환경에서의 사용자의 비정상 행위를 탐지하기 위한 행위 탐지 시스템으로서,
    단말 기기 및 MDM 에이젼트 기기로부터 상황 정보를 수집하는 상황 정보 수집 시스템;
    수집된 상기 상황 정보를 접속, 이용 및 에이젼트 상황 정보로 가공하여 저장하고, 접속 종료시의 상기 상황 정보를 프로파일링하여 프로파일 정보로 가공하여 저장하는 정보 데이터베이스; 및
    상기 프로파일 정보에 포함된 개인별 정상 행위발생 확률과 정상 표준편차를 고려하여 사용자의 단말 기기의 접속과 이용에 대한 비정상 행위를 탐지하는 비정상 행위 탐지 시스템을 포함하여 구성되며,
    상기 비정상 행위 탐지 시스템은 접속위치 및 사용기기 유형과 같은 프로파일 요소, 가공정보, 그리고 특정 기준값에 기반하여 설정한 보안정책에 따라 사용자의 정책 위반 여부를 탐지하고, 상기 정상 프로파일 정보에 기반하여 사용자 단말 기기의 접속과 이용에 대한 비정상 행위를 더 탐지하는 것을 특징으로 하는 행위 탐지 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 비정상 행위 탐지 시스템은,
    상기 프로파일 정보 중 정상 프로파일 정보로부터 같은 계열의 접속 행위 요소들을 갖는 복수개의 접속 행위 패턴 정보를 추출하는 접속 행위 패턴 추출부;
    상기 복수개의 접속 행위 패턴 정보중 임의의 접속 행위 패턴 정보별로 나머지 다른 복수개의 접속 행위 패턴 정보를 매칭시켜 매트릭스화하는 매트릭스 저장부;
    상기 임의의 접속 행위 패턴 정보에 포함된 첫번째 현재 행위의 제1 접속 행위 요소를 추출하는 접속행위 요소 추출부;
    나머지 다른 접속 행위 패턴 요소들의 행위하에서 상기 제1 접속 행위 요소에 대한 현재 행위 발생 확률을 계산하는 제1 발생 확률 계산부;
    를 포함하는 것을 특징으로 하는 행위 탐지 시스템.
  4. 제3항에 있어서,
    상기 비정상 행위 탐지 시스템은,
    상기 임의의 접속 행위 패턴 정보중 상기 현재 행위 발생 확률 계산을 위한 다른 제2 접속 행위 요소들이 있는지를 판단하고, 판단 결과, 존재할 경우 상기 임의의 접속 행위 패턴 정보에 포함된 다음 현재 행위의 상기 제2 접속 행위 요소들을 추출하여 추출된 상기 제2 접속 행위 요소들에 대한 각 현재 행위 발생 확률을 더 계산하는 제2 발생 확률 계산부;
    를 더 포함하는 것을 특징으로 하는 행위 탐지 시스템.
  5. 제4항에 있어서,
    상기 비정상 행위 탐지 시스템은,
    상기 판단 결과, 더 이상 없을 경우 상기 제1 접속 행위 요소와 제2 접속 행위 요소들별로 행위 발생 확률에 대한 가중 평균치와 표준 편차를 계산하여 정상 행위 발생 확률과 정상 표준편차 범위안에 있는지를 판단하여 비정상 접속 행위 여부를 확인하는 비정상 접속 확인부;
    를 더 포함하는 것을 특징으로 하는 행위 탐지 시스템.
  6. 제1항에 있어서,
    상기 비정상 행위 탐지 시스템은,
    상기 프로파일 정보 중 제1 기기 프로파일 정보를 조회하여 1회 접속시의 평균 트래픽 발생량 정보와 평균 이용 시간 정보를 추출하는 트래픽 이용시간 추출부;
    접속중에 발생된 제2 기기 프로파일 정보로부터 획득한 1회 접속시의 트래픽 발생량이 상기 평균 트래픽 발생량 정보보다 초과했는지를 판단하는 제1 트래픽 발생량 판단부;
    상기 제1 트래픽 발생량 판단부의 판단 결과 초과했을 경우, 상기 제2 기기 프로파일 정보로부터 획득한 1회 접속시의 이용 시간이 상기 평균 이용 시간 정보보다 초과했는지를 판단하는 이용시간 판단부;
    상기 이용시간 판단부의 판단 결과 초과했을 경우, 상기 이용 시간 대비 상기 트래픽 발생량이 미리 설정된 임계 비율을 초과했는지를 판단하는 트래픽 이용시간 판단부; 및
    상기 트래픽 이용시간 판단부의 판단 결과 초과했을 경우, 상기 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 비정상인 접속인 것으로 판정하는 정상 접속여부 판단부
    를 포함하는 것을 특징으로 하는 행위 탐지 시스템.
  7. 제6항에 있어서,
    상기 비정상 행위 탐지 시스템은,
    상기 이용시간 판단부의 판단 결과 초과하지 않을 경우 상기 1회 접속시 평균 트래픽 발생량 정보 대비 허용 가능한 트래픽 발생량의 임계 비율을 초과하였는지를 판단하는 트래픽 허용치 판단부;
    를 더 포함하는 것을 특징으로 하는 행위 탐지 시스템.
  8. 제7항에 있어서,
    상기 트래픽 허용치 판단부는,
    상기 트래픽 허용치 판단부의 판단 결과, 초과하지 않을 경우 상기 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 비정상 접속인 것으로 판정하고, 초과했을 경우 상기 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 정상 접속인 것으로 판정하는 것을 특징으로 하는 행위 탐지 시스템.
  9. 제6항에 있어서,
    상기 제1 트래픽 발생량 판단부는,
    판단 결과 초과하지 않을 경우, 상기 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 정상 접속인 것으로 판정하는 것을 특징으로 하는 행위 탐지 시스템.
  10. 제6항에 있어서,
    상기 트래픽 이용시간 판단부는,
    판단 결과 초과하지 않을 경우, 상기 접속중인 제2 기기 프로파일 정보를 생성한 단말 기기에 대하여 정상 접속인 것으로 판정하는 것을 특징으로 하는 행위 탐지 시스템.
KR20130162162A 2013-12-24 2013-12-24 비정상 행위를 탐지하기 위한 행위 탐지 시스템 KR101501669B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR20130162162A KR101501669B1 (ko) 2013-12-24 2013-12-24 비정상 행위를 탐지하기 위한 행위 탐지 시스템
US14/227,239 US20150180893A1 (en) 2013-12-24 2014-03-27 Behavior detection system for detecting abnormal behavior

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20130162162A KR101501669B1 (ko) 2013-12-24 2013-12-24 비정상 행위를 탐지하기 위한 행위 탐지 시스템

Publications (1)

Publication Number Publication Date
KR101501669B1 true KR101501669B1 (ko) 2015-03-12

Family

ID=53027272

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20130162162A KR101501669B1 (ko) 2013-12-24 2013-12-24 비정상 행위를 탐지하기 위한 행위 탐지 시스템

Country Status (2)

Country Link
US (1) US20150180893A1 (ko)
KR (1) KR101501669B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101660181B1 (ko) 2015-08-12 2016-09-26 한국전력공사 체인룰 기반 내부자 불법 행위 탐지 장치 및 방법
KR101663585B1 (ko) * 2016-02-24 2016-10-10 서원대학교산학협력단 기업의 업무행위기반 빅데이터 분석기법을 이용한 정보시스템 접근통제 시스템 및 그 방법
US10657250B2 (en) 2016-10-24 2020-05-19 Samsung Sds Co., Ltd. Method and apparatus for detecting anomaly based on behavior-analysis

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2529150B (en) 2014-08-04 2022-03-30 Darktrace Ltd Cyber security
US10165004B1 (en) * 2015-03-18 2018-12-25 Cequence Security, Inc. Passive detection of forged web browsers
US11418520B2 (en) * 2015-06-15 2022-08-16 Cequence Security, Inc. Passive security analysis with inline active security device
RU2629444C2 (ru) * 2015-06-30 2017-08-29 Общество С Ограниченной Ответственностью "Яндекс" Способ и сервер определения спам активности в облачной системе
KR102045468B1 (ko) * 2015-07-27 2019-11-15 한국전자통신연구원 네트워크 데이터 분석에 기반한 비정상 연결 행위 탐지 장치 및 방법
EP3347845B1 (en) 2015-09-11 2023-08-02 Curtail, Inc. Implementation comparison-based security system
GB2547201B (en) * 2016-02-09 2022-08-31 Darktrace Holdings Ltd Cyber security
GB2547202B (en) 2016-02-09 2022-04-20 Darktrace Ltd An anomaly alert system for cyber threat detection
US10462256B2 (en) * 2016-02-10 2019-10-29 Curtail, Inc. Comparison of behavioral populations for security and compliance monitoring
US10931713B1 (en) 2016-02-17 2021-02-23 Cequence Security, Inc. Passive detection of genuine web browsers based on security parameters
CN106126391A (zh) * 2016-06-28 2016-11-16 北京百度网讯科技有限公司 系统监控方法和装置
US11310247B2 (en) * 2016-12-21 2022-04-19 Micro Focus Llc Abnormal behavior detection of enterprise entities using time-series data
US10931686B1 (en) 2017-02-01 2021-02-23 Cequence Security, Inc. Detection of automated requests using session identifiers
US9882918B1 (en) * 2017-05-15 2018-01-30 Forcepoint, LLC User behavior profile in a blockchain
CN109951856B (zh) * 2017-12-20 2022-06-03 中国电信股份有限公司 网元状态的检测方法、装置以及计算机可读存储介质
US11985142B2 (en) 2020-02-28 2024-05-14 Darktrace Holdings Limited Method and system for determining and acting on a structured document cyber threat risk
US11962552B2 (en) 2018-02-20 2024-04-16 Darktrace Holdings Limited Endpoint agent extension of a machine learning cyber defense system for email
US11463457B2 (en) 2018-02-20 2022-10-04 Darktrace Holdings Limited Artificial intelligence (AI) based cyber threat analyst to support a cyber security appliance
EP3528463B1 (en) 2018-02-20 2023-04-05 Darktrace Holdings Limited An artificial intelligence cyber security analyst
US11924238B2 (en) 2018-02-20 2024-03-05 Darktrace Holdings Limited Cyber threat defense system, components, and a method for using artificial intelligence models trained on a normal pattern of life for systems with unusual data sources
US12063243B2 (en) 2018-02-20 2024-08-13 Darktrace Holdings Limited Autonomous email report generator
US11477222B2 (en) 2018-02-20 2022-10-18 Darktrace Holdings Limited Cyber threat defense system protecting email networks with machine learning models using a range of metadata from observed email communications
US10986121B2 (en) 2019-01-24 2021-04-20 Darktrace Limited Multivariate network structure anomaly detector
US11886390B2 (en) 2019-04-30 2024-01-30 JFrog Ltd. Data file partition and replication
US11386233B2 (en) 2019-04-30 2022-07-12 JFrog, Ltd. Data bundle generation and deployment
US11340894B2 (en) 2019-04-30 2022-05-24 JFrog, Ltd. Data file partition and replication
WO2021014326A2 (en) 2019-07-19 2021-01-28 JFrog Ltd. Software release verification
US10999314B2 (en) * 2019-07-19 2021-05-04 JFrog Ltd. Software release tracking and logging
US12034767B2 (en) 2019-08-29 2024-07-09 Darktrace Holdings Limited Artificial intelligence adversary red team
US11709944B2 (en) 2019-08-29 2023-07-25 Darktrace Holdings Limited Intelligent adversary simulator
JP2023524619A (ja) 2020-02-28 2023-06-13 ダークトレース ホールディングス リミテッド 関心度に基づいてデータ・フローを異なって取り扱うこと
IL295937A (en) 2020-02-28 2022-10-01 Darktrace Holdings Ltd Red team of AI opponents
US11860680B2 (en) 2020-11-24 2024-01-02 JFrog Ltd. Software pipeline and release validation
US12061889B2 (en) 2021-10-29 2024-08-13 JFrog Ltd. Software release distribution across a hierarchical network
CN117221435B (zh) * 2023-11-09 2024-01-12 万道智控信息技术有限公司 基于手机柜的手机安全性能检测方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020062070A (ko) * 2001-01-19 2002-07-25 주식회사 정보보호기술 다양한 침입탐지모델을 사용하는 침입탐지시스템 및 그 방법

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7873710B2 (en) * 2007-02-06 2011-01-18 5O9, Inc. Contextual data communication platform
US8655960B2 (en) * 2008-06-19 2014-02-18 Verizon Patent And Licensing Inc. Location-aware instant messaging
US8442510B2 (en) * 2009-10-09 2013-05-14 At&T Intellectual Property I, L.P. Mobile point-of-presence for on demand network client services and security
US9218628B2 (en) * 2011-01-24 2015-12-22 Beet, Llc Method and system for generating behavior profiles for device members of a network
US8560722B2 (en) * 2011-03-18 2013-10-15 International Business Machines Corporation System and method to govern sensitive data exchange with mobile devices based on threshold sensitivity values
US8621653B2 (en) * 2011-12-12 2013-12-31 Microsoft Corporation Secure location collection and analysis service
US8832793B2 (en) * 2012-03-07 2014-09-09 Rapid7, Inc. Controlling enterprise access by mobile devices
US9747440B2 (en) * 2012-08-15 2017-08-29 Qualcomm Incorporated On-line behavioral analysis engine in mobile device with multiple analyzer model providers
US20140137190A1 (en) * 2012-11-09 2014-05-15 Rapid7, Inc. Methods and systems for passively detecting security levels in client devices
US9251324B2 (en) * 2012-12-13 2016-02-02 Microsoft Technology Licensing, Llc Metadata driven real-time analytics framework
US20140173692A1 (en) * 2012-12-15 2014-06-19 Sudharshan Srinivasan Bring your own device system using a mobile accessory device

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020062070A (ko) * 2001-01-19 2002-07-25 주식회사 정보보호기술 다양한 침입탐지모델을 사용하는 침입탐지시스템 및 그 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101660181B1 (ko) 2015-08-12 2016-09-26 한국전력공사 체인룰 기반 내부자 불법 행위 탐지 장치 및 방법
KR101663585B1 (ko) * 2016-02-24 2016-10-10 서원대학교산학협력단 기업의 업무행위기반 빅데이터 분석기법을 이용한 정보시스템 접근통제 시스템 및 그 방법
US10657250B2 (en) 2016-10-24 2020-05-19 Samsung Sds Co., Ltd. Method and apparatus for detecting anomaly based on behavior-analysis

Also Published As

Publication number Publication date
US20150180893A1 (en) 2015-06-25

Similar Documents

Publication Publication Date Title
KR101501669B1 (ko) 비정상 행위를 탐지하기 위한 행위 탐지 시스템
KR101600295B1 (ko) 개인화된 접속주기 전체 이용행위 패턴분석을 이용한 비정상 행위 탐지시스템
US9882912B2 (en) System and method for providing authentication service for internet of things security
KR101619414B1 (ko) 개인화된 초기 이용행위 패턴분석을 이용한 비정상 행위 탐지시스템
CN107809433B (zh) 资产管理方法及装置
Koh et al. A study on security threats and dynamic access control technology for BYOD, smart-work environment
US8898784B1 (en) Device for and method of computer intrusion anticipation, detection, and remediation
KR20170082937A (ko) 개인화된 접속주기 전체 이용행위 2차 분석을 이용한 비정상 행위 탐지시스템
CN109347806A (zh) 一种基于主机监控技术的挖矿恶意软件检测系统及方法
CN104462970A (zh) 一种基于进程通信的Android应用程序权限滥用检测方法
US20170201542A1 (en) Abnormal behavior detection system considering error rate deviation of entire use behavior pattern during personalized connection period
KR101769442B1 (ko) 사물 인터넷 게이트웨이를 활용한 보안 관제 방법 및 시스템
US11336621B2 (en) WiFiwall
US20220322089A1 (en) Network device identification
KR20130033161A (ko) 클라우드 컴퓨팅 서비스에서의 침입 탐지 시스템
Liatifis et al. Dynamic risk assessment and certification in the power grid: a collaborative approach
KR101500448B1 (ko) 정상 행위 프로파일을 이용한 비정상 접속 탐지 방법
KR101237376B1 (ko) 스마트폰 통합 보안 관제 시스템 및 방법
KR101747144B1 (ko) 비인가 ap 차단 방법 및 시스템
KR101619419B1 (ko) 개인화된 연속행위 패턴분석을 이용한 비정상 행위 탐지시스템
Kitisriworapan et al. Evil-twin detection on client-side
US20230007018A1 (en) Dynamic multi-network security controls
CN112637150B (zh) 一种基于nginx的蜜罐分析方法及其系统
KR101817414B1 (ko) 이중 로그인 탐지 방법 및 이중 로그인 탐지 시스템
CN113206852A (zh) 一种安全防护方法、装置、设备及存储介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180306

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190227

Year of fee payment: 5