A Survey on Deep Learning-Based Image Approaches for Malicious Network Traffic Detection

사이버 공격이 점점 정교해짐에 따라 네트워크 트래픽을 기반으로 악성 행위를 탐지하는 기술의 중요성이 증가하고 있다. 최근에는 네트워크 트래픽을 Grayscale 또는 RGB 이미지로 변환한 후, 딥러닝 모델을 활용해 이를 분류하는 이미지 기반 탐지 기법이 주목받고 있다. 본 논문은 이러한 기법들을 모델 구조(CNN, CNN-LSTM, GAN, GNN 등), 이미지 처리 방식, IoT 환경 등 대상 조건, 실험 설정에 따라 체계적으로 분류·분석하였다. 또한, 학습되지 않은 공격을 탐지하기 위한 OSR(Open-set Recognition) 기반 기법도 함께 고찰하였다. 본 연구는 다양한 전처리 전략과 이미지화 방식, OSR 적용 사례를 종합적으로 정리하고, IoT 환경에 적합한 경량화, 실시간 처리, 프로토콜 독립성 확보, 고도화된 OSR 기법 등 향후 연구 방향을 제시한다.