논문, 2024.11
Zero-SAD: Zero-Shot Learning Using Synthetic Abnormal Data for Abnormal Behavior Detection on Private Cloud
클라우드 이상행위 탐지 연구는 대부분 공개 데이터셋의 시스템 콜 시퀀스에 의존하는데, 실제 클라우드에서는 중복 시스템 콜이 훨씬 많아 분석 규모가 커지고 실제 환경에 그대로 적용하기 어렵다. 이 논문은 반복되는 시스템 콜을 하나의 임베딩 벡터로 표현하는 deduplicated embedding과, 많은 사용자가 만드는 대량의 시퀀스를 zero-shot learning 모델로 빠르게 분석하는 탐지 과정으로 구성된 프라이빗 클라우드용 탐지 시스템 Zero-SAD를 제안했다. 공개 데이터셋과 함께, 실제 클라우드 환경에서 MITRE ATT&CK 공격을 PoC로 수행해 직접 수집한 데이터셋으로 평가했다. 서준호는 5명 중 제2저자로 참여했다. 제안 시스템은 정확도 92.13%를 보였고 기존 연구보다 5.48배 빠르게 공격을 탐지했다.
- 발표처·기관
- ACM SoCC 2024
- 내 역할
- 제2저자
- 상태
- 게재