Design of a Lightweight CNN-LSTM Hybrid Architecture for Real-Time Web Application Intrusion Detection

애플리케이션을 대상으로 하는 공격은 점차 정교하고 다양해지고 있으며, 이에 따라 실시간으로 탐지하고 대응할 수 있는 침입 탐지 시스템(IDS)의 필요성이 대두되고 있다. CNN과 LSTM을 결합한 하이브리드 딥러닝 모델은 공간적 패턴과 시간적 흐름을 동시에 학습할 수 있어 효과적인 이상 탐지 성능을 보인다. 그러나 높은 연산량과 복잡한 구조로 인해 실시간 운영 환경에 적용하기 어려움이 있다. 본 연구에서는 CNN과 LSTM의 장점을 유지하면서 연산 효율을 높이고 구조를 간소화한 경량화 아키텍처를 제안한다. CNN 모듈은 깊이별 분리 합성곱(Depthwise Separable Convolution)을 적용하여 연산량을 줄였고, LSTM 모듈은 단일 계층으로 구성하여 계산 복잡도를 낮췄다. 또한 CNN과 LSTM 간 데이터 흐름을 단순화하여 병목 현상을 최소화하였다. 설계 기반 분석 결과, 제안된 모델은 기존 구조 대비 연산량 약 68%, 메모리 사용량 약 60%를 절감하며, 추론 시간은 약 40% 단축될 것으로 예상된다. 본 연구는 실시간 웹 보안 시스템을 위한 효율적 모델 설계의 기반을 제공한다.