Anomaly Detection System Based on Graph Neural Network and Node Embedding for Cybersecurity

최근에 사이버보안 분야에서 그래프 구조인 데이터에 대한 기계학습(Machine Learning)이 더욱 깊은 관심을 받고 있다. 보안 데이터양의 증가와 더욱 정교한 사이버 공격으로 인해 이러한 기계학습 방법들의 중요성이 확대되고 있다. 지식그래프(Knowledge Graph)와 이의 학습 기술인 그래프 신경망(GNN)은 여러 도메인에서 인간이 이해할 수 있는 용어를 사용하여 사용자에게 설명력을 높일 수 있는 능력을 갖추고 있다. 본 연구에서는 사이버보안 분야에 그래프 신경망과 노드임베딩 기반 이상탐지 시스템의 프레임워크를 제안한다. 실험을 통해 제안하는 프레임워크에서 사이버보안 데이터세트 UNSW-NB15를 사용하여 정상 데이터와 공격 데이터를 분류 실험을 진행하였다. 이를 통해, node2vec의 노드 임베딩한 값을 GraphSAGE의 input으로 추가하여 학습시켰을 때, 해당 데이터세트에서는 기존의 이상 탐지 모델보다 정확도(accuracy)가 더 향상된 것을 확인할 수 있었다.