Key points are not available for this paper at this time.
컴퓨터 보안과 관련된 위협은 끊임없이 진화하며 네트워크와 인터넷을 지속적으로 공격하고 있습니다. 해커들이 사용하는 새로운 보안 위협과 정교한 방법은 감지 및 예방 메커니즘을 우회할 수 있습니다. 네트워크 패킷, 도메인 이름 시스템(DNS) 로그, 프록시 로그, 시스템/서비스 로그 등과 같은 다양한 출처에서 방대한 양의 로그를 처리하고 분석할 수 있는 새로운 접근 방식이 필요합니다. 이 접근 방식은 일반적으로 빅 데이터라고 불립니다. 이 접근 방식은 사기 탐지, 악성 활동 및 기타 고급 지속적 위협과 같은 다양한 보안 문제에 대한 보호 및 해결책을 제공할 수 있습니다. Apache spark는 보안 데이터를 저장하고 처리하여 실시간 보호를 제공할 수 있는 분산형 빅 데이터 기반 클러스터 컴퓨팅 플랫폼입니다. 이 논문에서는 로컬 영역 네트워크(LAN)의 클라이언트 기계에서 DNS 로그만 수집하여 서버에 저장합니다. 도메인 이름이 benign인지 악성인지 판단하기 위해, 우리는 딥러닝 기반 접근 방식을 제안합니다. 비교를 위해, 우리는 순환 신경망(RNN), 장단기 메모리(LSTM) 및 기타 전통적인 기계 학습 분류기와 같은 다양한 딥러닝 접근 방식의 효과성을 평가했습니다. 딥러닝 기반 접근 방식은 다른 전통적인 기계 학습 분류기와 비교하여 우수한 성능을 보였습니다. 그 주된 이유는 딥러닝 알고리즘이 암묵적으로 적절한 특성을 추출할 수 있는 능력을 가지고 있기 때문입니다. 또한, LSTM은 다른 딥러닝 접근 방식과 비교하여 모든 실험에서 가장 높은 악성 탐지율을 기록했습니다.
Vinayakumar et al. (Thu,)는 이 질문을 연구했습니다.