AI 기반 사이버 보안 금융 부문 관리의 영향 탐구

사이버 위협은 무단 접근을 확보하거나, 개인 정보를 변경 또는 삭제하고, 피해자로부터 금전을 요구하거나, 비즈니스를 방해하려는 시도를 말합니다. 사이버범죄는 신원 도용, 악성코드 위협, 이메일 및 온라인 사기, 은행 사기에 이르기까지 모든 것을 포함합니다. 기업과 개인은 데이터 센터 및 기타 디지털 시스템을 보호하기 위해 이 방법을 사용합니다. 기존 네트워크 보안 접근법의 문제점으로는 확장성 부족, 느린 대응 시간, 고도화 및 내부 위협 식별 불능 등이 있습니다. 이러한 결점들은 확장되는 네트워크 공격 유형으로부터 보호하기 위해 보다 효율적이고 포괄적인 보안 방법 연구의 필요성을 강조합니다. 사이버범죄자들은 AI, 데이터 오염 및 모델 도용 전략을 활용하여 공격을 자동화합니다. 본 연구에서는 금융 부문 관리를 위한 인공지능 기반 사이버 보안 기법(CS-FSM)을 제안합니다. 인공지능은 예상치 못한 위험이 비즈니스를 위협하는 것을 탐지하고 방지하는 데 가장 적합한 기술 중 하나입니다. 제안 기법을 통해 사이버 공격 문제를 분류하고 해결할 수 있습니다. 금융 부문 정보의 보안을 위해 향상된 암호 표준(EES)과 같은 알고리즘이 데이터를 암호화 및 복호화합니다. K-최근접 이웃(KNN) 알고리즘은 학습 데이터를 바탕으로 예측을 생성합니다. 이는 금융 부문에서 악성코드 공격 탐지 및 차단에 사용됩니다. 제안된 방법은 사이버 공격 방어력을 높여 사이버 보안 시스템의 성능을 향상시킵니다. CS-FSM은 데이터 프라이버시(18.3%), 확장성(17.2%), 위험 감소(13.2%), 데이터 보호(16.2%), 공격 회피(11.2%) 비율을 개선합니다.