효과적인 비지도 네트워크 이상 탐지 방법

이 논문에서는 네트워크 침입 데이터에서 클러스터를 찾고 레이블이 없는 트래픽이나 서명 또는 훈련을 사용하지 않고도 알려지지 않은 공격을 탐지하기 위한 효과적인 트리 기반 서브스페이스 클러스터링 기법(TreeCLUS)을 제시합니다. 가능한 모든 클러스터를 찾는 데 있어 효과성을 입증하기 위해 클러스터 안정성 분석을 수행합니다. 또한 TreeCLUS가 생성한 안정적인 클러스터 세트에 기반하여 레이블 데이터셋을 생성하기 위한 효과적인 클러스터 레이블링 기법(CLUSLab)을 소개합니다. CLUSLab은 TreeCLUS에서 생성된 클러스터의 안정성 분석을 위해 앙상블 접근 방식을 활용하는 다중 목표 기법입니다. 알려지지 않은 공격을 식별하기 위해 여러 실제 침입 데이터셋에서 TreeCLUS와 CLUSLab의 성능을 평가하며, 두 기법 모두 경쟁 알고리즘보다 뛰어난 성과를 보임을 확인합니다.