사이버 보안 분야에서 네트워크 침입 탐지 시스템을 위한 얕은 및 깊은 신경망 평가

침입 탐지 시스템(Intrusion Detection System, IDS)은 일상생활에서 사이버 안전성에 대한 수요 증가로 인해 최신 모든 정보통신기술(ICT) 시스템에서 필수적인 구성 요소로 자리 잡았다. 공격 유형을 정확히 파악하기 어려운 불확실성과 고도화된 사이버 공격의 복잡성 증가 등 다양한 이유로, 심층 신경망(Deep Neural Networks, DNNs)의 통합이 요구되고 있다. 본 논문에서는 네트워크 침입 탐지 시스템(N-IDS)에 대한 공격을 예측하기 위해 DNN을 활용하였다. 학습률 0.1로 설정된 DNN을 사용하여 총 1000 에포크 동안 학습을 수행하였으며, 모델의 훈련 및 성능 평가에는 KDDCup-`99 데이터셋을 활용하였다. 비교를 위해 동일한 데이터셋을 기반으로 다양한 전통적인 기계학습 알고리즘과 레이어 수가 1~5인 다양한 DNN 모델에 대해 훈련을 수행하였다. 실험 결과를 비교 분석한 결과, 3층 구조의 DNN이 모든 전통적인 기계학습 알고리즘보다 뛰어난 성능을 보였다.