XGBoost를 이용한 효과적인 침입 탐지 시스템

세계가 5세대 통신 기술로 진입하고 가상화 및 클라우드화와 같은 개념을 수용하는 시점에서, 인터넷에 더욱더 많은 데이터가 연결됨에 따라 가장 중요한 측면은 '보안'이다. 본 논문은 정확도, 정밀도, 혼동 행렬 등 네트워크 내 데이터의 다양한 매개변수를 측정하기 위해 설계된 모델을 반영한다. 원하는 결과를 얻기 위해 NSL-KDD(네트워크 소켓 계층-데이터베이스 내 지식 발견) 데이터셋에 XGBoost가 적용되었다. 전체 목적은 데이터의 무결성을 파악하고 데이터 예측에서 더 높은 정확도를 달성하는 것이다. 이를 통해 네트워크 내에 떠도는 악의적인 데이터를 최소화하여 정보를 안전하게 공유할 수 있는 네트워크 환경을 조성할 수 있다. 네트워크가 안전할수록 데이터가 해킹되거나 변조되는 상황이 줄어든다. 모델의 다양한 매개변수를 변경함으로써 네트워크 내부와 외부로 들어오고 나가는 데이터를 최대한 활용하는 미래 연구가 가능하다. 네트워크 내에서 가장 중요한 요소는 데이터이며, 이를 더 가깝고 정확하게 이해하는 것이 작업의 절반이다. 네트워크 내 데이터를 분석하고 데이터의 패턴과 양을 연구하는 것은 네트워크를 건강하게 유지하고 기밀 정보를 안전하게 공유할 수 있도록 하는 견고한 침입 탐지 시스템(IDS)의 출현으로 이어진다.