네트워크 침입 탐지 시스템에 대한 위험 및 최근 경향에 대한 심층 분석

현대 세계에서는 공격과 이상 현상이 증가함에 따라 정보 보안 및 통신 문제에 대한 우려가 커지고 있습니다. 네트워크 내 공격 및 침입의 존재는 사회 복지, 경제 문제 및 데이터 저장과 같은 다양한 분야에 영향을 미칠 수 있습니다. 따라서 침입 탐지(ID)는 광범위한 연구 분야이며, 수년 동안 다양한 방법이 등장했습니다. 이로 인해 여러 공격 중 새로운 공격을 감지하고 분류하는 것은 네트워크에서 복잡한 작업이 됩니다. 이 리뷰는 현재의 ID 기술을 활용하여 네트워크의 보안 위협 및 과제를 분류합니다. 본 연구의 주요 목표는 오픈 소스 악성 코드 스캐닝 소프트웨어를 사용하여 네트워크 침입 탐지 시스템(NIDS)을 구현하기 위한 기존 도구 및 데이터 세트를 검토하는 것입니다. 또한, 구축, 배포, 탐지, 공격 및 검증 매개변수와 관련하여 최첨단 NIDS 접근 방식을 조사하고 비교합니다. 이 리뷰는 머신러닝(ML) 기반 및 딥러닝(DL) 기반 NIDS 기술을 다루고 있으며, 알려진 공격 및 알려지지 않은 공격에 대한 향후 연구를 논의합니다.