상명대학교 / 서광규 교수


 

 

기술의 발전으로 인터넷은 전 세계 기업의 중요한 부분이 되었다. 기업은 성장을 지원하기 위해 새로운 소프트웨어, 도구 및 전략을 채택했다. 동시에 사이버 범죄자의 공격으로부터 회사 자산을 보호하는 것이 큰 과제가 되었다. 가해자 중 일부는 인터넷과 관련 기술을 사용하여 범죄를 저지르고 있다. 게다가 그들은 이제 딥페이크, 데이터 포이즈닝 등과 같은 AI 지원 기술을 구현하여 시스템에 피해를 주고 있다.

따라서 인공 지능(AI)과 같은 자체 학습 기술 사용에 대한 대책을 개발하기 위해 사이버 보안에서 인공 지능의 역할에 대해 알아야 한다. 특히 AI는 악의적인 활동을 탐지하고 잠재적인 문제로 인한 위험을 완화하여 우리를 방어할 수 있다.

조직을 위한 인공 지능 및 사이버 보안 임원 프로그램[EPAI&CSO]에 등록하면 IIM Indore는 사이버 보안에서 AI에 대한 이해를 심화할 수 있는 귀중한 기회를 제공한다. 이 프로그램은 AI 기반 보안 조치의 복잡한 환경을 탐색하는 데 필요한 최신 기술과 지식을 전문가에게 제공하여 조직이 새로운 사이버 위협에 대처할 준비가 되도록 설계되었다. 포괄적인 커리큘럼을 통해 참가자는 업계 전문가와 학계 리더로부터 통찰력을 얻을 수 있으므로 이 중요한 분야에서 경력을 발전시키고자 하는 사람들에게 이상적인 선택이다.

AI 또는 인공 지능은 인간의 지능을 시뮬레이션하고 사용 사례에 따라 적용하는 기술을 말한다. 따라서 AI 머신은 분석 및 문제 해결 기술을 포함하여 인간처럼 생각할 수 있다. 의심할 여지 없이 이 기술은 사이버 보안 분야를 포함한 거의 모든 산업에 혁명을 일으키고 있다. 최근 연구에 따르면 AI 사이버 보안 제품 시장은 2021년에 약 150억 달러였지만 2030년까지 1,350억 달러로 확대될 것으로 예측된다.

사이버 보안의 인공 지능은 다음과 같은 작업을 효율적으로 해결할 수 있다.

- 실제 잠재적 사이버 공격을 탐지하고 위험을 분석하고 그에 따라 경고의 우선순위를 지정한다.

- 사회 공학 공격을 시뮬레이션하면 보안 팀이 공격자가 피해를 입히기 전에 취약점을 식별하는 데 도움이 된다.

- 의심스러운 이메일 유형을 식별하고 플래그를 지정하고 피싱 캠페인에서 알림을 보낸다.

- 방대한 양의 데이터를 분석하고 자동화하여 보안 팀이 데이터 더미에서 잠재적 위협을 식별할 수 있도록 한다.

조직은 사기 탐지, 바이러스 백신 보호, 위험 관리, 데이터 손실 방지, 액세스 및 ID 관리와 같은 기존 도구와 함께 AI의 기능을 사용한다. 또한 AI는 소프트웨어의 보안 허점을 식별하여 보호하는 침투 테스트에 도움이 된다.

따라서 조직은 사이버 보안에 AI 도구를 통합하여 강력한 보호 장치를 만들고 향후 공격으로부터 시스템을 보호한다. 결과적으로 보안 공격 후 시스템을 수리할 필요가 없기 때문에 더 많은 비용을 절약할 수 있다.

 

[그림1. 사이버 보안에서 인공지능]


(출처 : https://www.jaroeducation.com/blog/artificial-intelligence-in-cybersecurity/)


 

조직이 민감한 데이터의 저장, 처리 및 배포를 위해 클라우드 컴퓨팅에 대한 의존성이 높아지는 시점에서 강력한 보안 조치를 보장하는 것이 가장 중요해지고 있다. AI 알고리즘과 머신 러닝 기술을 활용하여 클라우드 보안은 새로운 위협에 대응하여 탐지, 예방 및 대응 기능을 실제로 강화할 수 있다. 본 고에서는 이상 탐지, 위협 인텔리전스 분석 및 동작 분석을 포함하여 클라우드 보안에 대한 다양한 AI 접근 방식을 논의하며 위험을 완화하고 규제 표준을 준수하는 데 있어 이러한 접근 방식이 효과적인지 살펴본다. 또한 AI 기반 클라우드 보안과 관련된 과제와 윤리적 고려 사항을 다루며 투명성, 책임성 및 윤리적 AI 원칙의 중요성과 조직은 AI 기반 솔루션을 채택함으로써 사이버 위협에 대한 방어를 강화하고 진화하는 디지털 환경에서 민감한 데이터의 무결성과 기밀성을 유지할 수 있음에 대하여 기술한다.

 

사이버 보안은 전자 데이터, 인간 활동 및 시스템을 보호하기 위한 일련의 프로세스를 포함한다. 2년마다 집적 회로 구성 요소가 두 배로 증가하고 칩 개발 비용이 감소한다는 무어의 법칙과 유사하게, 사이버 범죄자들은 ??몇 달마다 비용의 일부만으로 표적 공격의 효과를 빠르게 높이고 있다. 사이버 위협의 이러한 기하급수적 증가는 사이버 보안 조치의 중요성을 강조한다.

사이버 보안에 대한 전 세계 지출이 급증하여 사이버 위협에 대한 강력한 방어 수단에 대한 필요성이 커지고 있음을 보여준다.

 

인공 지능(AI)은 음성 인식 및 언어 처리와 같은 작업을 수행하기 위해 인간과 유사한 인지 능력을 활용하는 컴퓨터 시스템의 상당한 발전을 보여주고 있다. AI는 수학, 컴퓨터 과학, 철학을 아우르는 다학제 분야로, 인간의 인지와 유사한 문제 해결 및 학습이 가능한 지능형 시스템을 개발하는 것을 목표로 한다. 기계 학습은 현대 연구 및 비즈니스 노력에서 중요한 역할을 한다. 알고리즘과 네트워크 중립적 모델을 활용하여 기계 학습은 컴퓨터가 명시적 프로그래밍 없이도 데이터를 기반으로 자율적으로 성능을 개선할 수 있도록 한다. 이러한 알고리즘은 1949년 도널드 헵(Donald Hebb)이 개념화한 것처럼 뇌 세포 내의 시냅스 상호 작용을 반영하여 훈련 데이터를 사용하여 정보에 입각한 결정을 내리는 수학적 모델을 구성한다.

 

1) 지도 학습:

지도 학습은 머신 러닝 알고리즘을 구현하는 데 있어 기본적인 접근 방식으로, 패턴 인식과 솔루션 이해를 가능하게 한다. 플래시카드로 어린이를 가르치는 것과 비슷한 이 방법은 모델을 훈련하기 위해 레이블이 지정된 데이터를 제공하여 솔루션을 이해하기 쉽게 만들고 다양한 도구에 널리 적용할 수 있다. 예를 들어, 이메일 서비스의 스팸 분류 시스템은 지도 학습을 사용하여 레이블이 지정된 예제를 기반으로 원치 않는 이메일을 효과적으로 식별하고 필터링한다.

 

2) 비지도 학습:

지도 학습과 달리 비지도 학습은 레이블이 지정된 데이터 없이 작동한다. 대신 광범위한 데이터 세트를 분석하여 기본 패턴과 데이터 구조를 발견한다. 패턴 인식 및 데이터 클러스터링 기술을 통해 비지도 학습은 명시적인 지침 없이 데이터를 식별하고 분류하는 방법을 자율적으로 학습한다.

 

3) 강화 학습:

강화 학습은 지도 학습과 비지도 학습 패러다임에서 벗어난다. 이 접근 방식은 시행착오를 통해 학습하는 것을 포함하며, 알고리즘은 환경으로부터 받은 피드백을 기반으로 결정을 내린다. 일반적으로 산업 시뮬레이션과 로봇공학에 사용되는 강화 학습은 시스템이 명시적 프로그래밍 없이도 작업을 수행하기 위한 최적의 전략을 자율적으로 학습할 수 있도록 한다.

 

4) 딥 러닝:

머신 러닝의 하위 집합인 딥 러닝은 자동 기능 학습을 용이하게 하여 알고리즘이 입력 데이터에서 복잡한 기능을 추출할 수 있도록 한다. 여러 계층의 추상화를 결합함으로써 딥 러닝 모델은 방대한 데이터 세트를 효율적으로 처리하고 복잡한 예측을 할 수 있다. 딥 러닝 기술의 확산은 사이버 보안과 같이 데이터의 복잡한 패턴을 신속하게 식별해야 하는 분야를 발전시키는 데 중요한 역할을 했다.

 

5) 유전 알고리즘과 유전 프로그래밍:

유전 알고리즘(GA)과 유전 프로그래밍(GP)은 진화의 원리에서 영감을 받은 계산 방법이다. 이러한 알고리즘은 잠재적 솔루션의 집단에서 작동하여 선택, 교차 및 돌연변이 연산자를 통해 연속 세대에 걸쳐 진화시킨다. 집단 내 개인의 적합도를 반복적으로 개선함으로써 유전 알고리즘과 유전 프로그래밍은 솔루션 공간을 효율적으로 검색하고 복잡한 문제를 최적화할 수 있다.

 

6) 사이버 보안에서의 응용:

이러한 머신 러닝 알고리즘은 사이버 위협과 공격의 탐지가 중요한 사이버 보안에서 광범위하게 응용된다. 연구자들은 감독 학습, 비감독 학습 및 강화 학습을 포함한 다양한 ML 기술을 활용하여 사이버 공격을 식별하고 완화할 수 있는 모델을 개발한다. 예를 들어, MODBUS 데이터에 대한 사이버 공격을 탐지하는 ML 알고리즘의 효과를 평가하는 데는 10배 교차 검증과 같은 기술이 포함되며, 이는 가스 파이프라인과 같은 중요 인프라 시스템의 레이블이 지정된 원격 측정 데이터를 사용하여 모델 성능을 강력하게 평가할 수 있게 한다.

 



 

1. 사이버 보안을 위한 클라우드 컴퓨팅 기반 머신 러닝 시스템?

자율 설정에서 클라우드 기반 환경으로의 산업용 제어 시스템(ICS)의 진화의 조사연구를 살펴보면 산업과 학계에서 보안 ICS의 개발과 관련된 저명한 연구 결과로 ICS에서 사이버 보안을 위한 머신 러닝 기술의 적용에 초점을 둔 연구 결과를 찾아볼 수 있다. 이는 산업 프로세스 보안, 특히 클라우드 인프라로 마이그레이션하는 동안의 과제를 해결하는 것을 목표로 하는데, 사이버 범죄 전술의 정교함이 증가하고 있음을 강조하면서 포렌식 분석을 위한 포괄적인 보안 데이터 수집의 중요성을 강조되고 있다. 그러나 대규모 데이터를 처리하고 특히 클라우드 아키텍처 내에서 거짓 경보를 최소화하는 것은 상당한 과제를 안겨준다. APT(Advanced Persistent Threats)와 같은 새로운 위협을 탐지하기 위해 방대한 보안 데이터 세트를 정확하고 신속하게 분석해야 할 필요성이 있으며 다양한 도메인에서 빅데이터 처리 기술의 활용을 탐구하고 기존 기술과 SIEM(Security Information and Event Management) 도구의 취약성 있음을 인지여야 한다. 이러한 문제 해결을 위해 고급 데이터 분석 및 정교한 사이버 위협 식별에 대한 기준을 포함한 사이버 보안 도입을 개선하기 위한 미래에 지속적인 연구가 필요하다.

 

게다가 클라우드 기반 애플리케이션의 통합은 빅 데이터 및 클라우드 컴퓨팅과 같은 신기술로 특히 금융 부문에서 수많은 비즈니스 모델을 혁신했다. 그러나 이러한 패러다임 전환은 사이버 보안에 대한 우려를 증폭시켜 사이버 보험 산업의 성장으로 이어졌으므로 잠재적 위협을 효과적으로 완화하기 위해 머신 러닝 기술과 결합된 복잡한 사이버 보안 위험 분류법이 지속적으로 연구되고 있다.

 

게다가 사물 인터넷(IoT), 클라우드 컴퓨팅, 스마트폰, 소셜 네트워크와 같은 기술의 발전으로 새로운 사이버 위협이 생겨나 사이버 보안에 대한 혁신적인 접근 방식이 필요하게 되었다. 인지 과학은 포괄적인 머신 러닝 및 의사 결정 시스템을 제공하여 복잡한 사이버 위협을 처리하는 보안 분석가의 역량을 강화하는 솔루션으로 제안되었다. 이 모델은 정보 전파, 이해 및 보안 사고에 대한 신속한 대응을 용이하게 하며 사이버 운영에 자동화 기술과 인지 프로세스를 통합한다.

 

또한 제조 부문은 산업용 사물 인터넷(IIoT), 빅데이터 분석, 클라우드 컴퓨팅, 첨단 로봇 기술과 같은 기술의 통합으로 변화를 겪고 있다. 그러나 연결성과 디지털화가 증가함에 따라 제조 시스템도 사이버 위협에 노출된다. 이러한 사이버 위협에 대응하기 위해 취약성 평가, 사이버 공격 완화 전략, 중요한 제조 산업의 연구 격차를 강조되고 있으며 지능형 생산 시스템의 사이버 보안 문제를 해결하기 위한 최첨단 기술을 연구되고 있다.

 

결론적으로 클라우드 컴퓨팅과 머신 러닝의 융합은 산업 제어 시스템에서 지능형 제조에 이르기까지 다양한 도메인에서 사이버 보안 대책을 강화할 수 있는 엄청난 잠재력을 가지고 있다. 그러나 인터스트리 4.0(Industry 4.0)과 같은 디지털 혁신에 내재된 진화하는 사이버 위협과 취약성을 해결하기 위한 사전 대책도 필요하다.

 



 

2. AI를 활용한 사이버 보안의 조직적 위험 평가

AI는 문화적 규범에 부합하는 조직적 프로세스와 관행을 육성해야 하며, 환경적 지속 가능성 솔루션의 혁신을 촉진하는 동시에 인간 활동의 생태적 발자국을 최소화하는 것을 목표로 해야 한다. 기계 학습 모델에서 과거 데이터에 대한 과도한 의존, AI 개입에 대한 예측할 수 없는 인간 반응, 사이버 위험 증가, 부정적인 AI 구현, 개입 정책이 지속 가능성에 미치는 영향을 측정하는 데 있어 어려움에 대한 우려가 있다. 미래의 지속 가능한 AI 연구가 다단계 관점, 역동적인 시스템 접근 방식, 디자인 사고, 경제적 이익 고려 사항을 통합하여 장기적인 환경적 지속 가능성을 손상시키지 않으면서 즉각적인 솔루션을 제공하는 것이 필요하다.

 

또한 정부, 국가, 회사 및 개인에게 미치는 인공 지능(AI)의 광범위한 영향에 대한 광범위한 분석을 수행하여 긍정적, 부정적 결과를 모두 평가하는 것이 필요하며 개발에서 구현에 이르기까지 AI의 궤적을 탐구하여 학문적 성과, 비즈니스 관행에 미치는 영향 및 글로벌 시장 역학을 조사를 통해 AI 개발을 주도하는 요인을 파악하고 AI 부문의 기업가 활동을 분석하여 기술 발전과 사회적, 경제적 영향에 대한 통찰력을 제공하면 AI를 활용한 사이버 보안의 조직적 위험 평가가 가능하다.

 

이러한 대표적인 사례로 해양 산업에서 빅 데이터와 AI 기술에 초점을 맞춘 연구에 대한 서지학적 분석을 수행한 연구에서 빅 데이터의 AI 응용 프로그램, 에너지 효율성, 예측 분석 및 해양 부문의 디지털 변환과 같은 영향력 있는 저널, 저자 및 연구 클러스터를 식별하였고 연구 파트너십 네트워크와 기관 협업을 조사하여 지식 교환을 용이하게 하고 추가 연구를 위한 잠재적 영역을 파악하였다. 또한 중요 인프라와 필수 서비스에서 사이버 보안을 강화하기 위한 디지털 전환의 필수성을 강조한 사례로 사이버 정보 공유, AI와 같은 신기술, 사이버 보안의 인적 요소, 교육 및 훈련, 사이버 회복성이 중요하며 IT 관리, 사이버 보안 및 회복성 분야에서 정보와 전문 지식을 교환하기 위한 플랫폼 역할과 사이버 안전 노력을 강화하기 위한 모범 사례의 보급이 이를 통해 가능함을 보여주었다.

 

 

3. AI를 활용한 블록체인 기술

블록체인 기술의 활용은 연구자들이 탐구한 것처럼 회계 및 사이버 보안 분야의 기존 응용 분야를 넘어 확장된다. 블록체인의 기존 및 잠재적 미래 비즈니스 응용 분야, 특히 사이버 보안 및 회계 과제를 해결하는 데 대해 깊이 파고든다. 블록체인은 회계, 재무 보안, 사이버 보안, 재무 계정의 원장 기술 활용과 같은 토픽을 검토하여 블록체인 구현 기회를 파악하는 것이 중요하다.

또한 블록체인 기술이 감사 관행에 미치는 영향을 분석하여 이 직업에 상당한 변화가 있을 것으로 예상된다. 또한 미국 정부의 사이버 보안 정책, 특히 국토안보부가 설명한 이니셔티브를 고려하여 미래의 사이버 보안 전략에 대한 통찰력을 얻을 수 있는데, 블록체인의 다양한 감사 의미를 강조하면서 감사, 회계, 사이버 보안을 포함한 다양한 도메인에서 효과적인 구현이 필요하며, 이를 통해 혁신적 잠재력을 최대한 활용하는 것이 필요하다.

 

 

4.? IoT 기반 사이버 공격 방지 시스템?

다양한 응용 분야에 걸쳐 IoT 기반 사이버 공격이 발생하고 있는데, 최근 공격, 세계적으로 유명한 사건, 여러 부문에 걸친 개념 증명 공격을 세심하게 그리고 체계적인 분석을 수행하면 중요한 대상이 사이버 위협에 취약한 직접적 및 간접적 경로를 식별하는 것이 가능하다. 이를 통해 IoT 기반 사이버 공격에 대한 위험 평가 환경 분석, 중요한 인프라와 서비스를 표적으로 삼는 압도적이고 미묘한 공격 경로 식별 그리고 마지막으로 다양한 응용 분야에 걸쳐 완화 전략을 수립이 가능하다.

 

또한, 인공지능(AI)과 사물 인터넷(IoT)을 통합함으로써 향상된 사이버 보안 수립이 가능해졌다. IoT와 AI의 융합에 대한 통찰력을 제공하여 AI 알고리즘, 과제 및 시스템을 분석해보면 주요 IoT 시스템 매개변수 내에서 자체 최적화 네트워크와 소프트웨어 정의 네트워크가 중요하고 IoT 네트워크에서 효율적인 데이터 처리와 저장을 가능하다.

 

게다가 IoT의 확산은 스마트 홈, 지능형 교통, 의료와 같은 다양한 분야에서 상당한 진전을 이루었다. 그러나 새로운 사이버 보안 과제도 필요한데 "사이버 보안 + 엣지 컴퓨팅 + IoT + AI"라는 맥락에서 새로운 사이버 보안 위협과 연구 및 혁신의 기회가 필요하며 IoT 기술의 발전과 함께 사이버 보안 문제를 해결해야 할 필요성이 있다.

 

또한 사이버 보안을 위한 IoT 네트워크에서 딥 러닝 모델을 적용하는 방법에 대한 연구가 수행되었는데 빠르게 확장되는 IoT 배포에서 강력한 사이버 보안 조치에 대한 시급한 필요성을 다루었고 고급 데이터 세트를 사용하여 딥 러닝 모델을 제안하고 테스트함으로써 분산 서비스 거부(DDoS) 공격을 탐지하는 데 유망한 결과를 제시한 사례가 있다. 여기에서는 IoT 사이버 보안에서 추가 탐색을 위한 미해결 연구 문제를 확인했다.

 

또한 데이터 분석을 기반으로 하는 사이버 보안 프레임워크의 개발이 최근 몇 년 동안 주목을 받고 있다. 기존 데이터 처리 계층과 최신 분석 데이터베이스 엔진을 결합한 보안 운영 프레임워크가 제시되었는데, 이 프레임워크를 사용하면 보안 전문가가 대규모 로그 이벤트 데이터 세트를 효과적으로 쿼리하여 의심스러운 활동을 식별할 수 있다. 즉, 다양한 엔진 매개변수가 효율성에 미치는 영향을 분석하고 상위 수준의 설계 결정이 가능해진다.

 

그리고 데이터(SOS)를 기반으로 하는 사이버 보안 과학에 대한 접근 방식을 제안하여 증거 기반 과학, 정보 공유를 위한 신뢰 및 정책 기반 메커니즘, 위험 기반 보안 접근 방식도 연구되고 있는데, 이러한 측면이 사이버 보안 과학을 발전시키는 기반을 형성할 수 있다.

 

마지막으로 의도치 않은 공격이 장치 보안에 미치는 영향을 평가하기 위한 이산 이벤트 시뮬레이션 모델을 개발된 사례도 발견된다. 즉 사용자 취약성 및 상호 작용과 같은 매개변수를 고려하여 이러한 공격이 시스템 상태에 미치는 잠재적 영향을 평가했고 시뮬레이션 모델을 통해 시스템 취약성을 포괄적으로 분석하고 사이버 보안 전략을 개선하기 위한 통찰력을 제공이 가능하다.

 

결론적으로, IoT를 AI 및 데이터 분석과 같은 첨단 기술과 통합하면 사이버 보안 대책을 강화할 수 있는 기회가 제공되지만, 혁신적인 솔루션과 견고한 프레임워크가 필요한 새로운 과제도 발생한다.

 



 

5. 침입 탐지 시스템(IDS)에 AI 적용

침입 탐지 시스템(IDS)에 특별히 맞춤화된 학습 시스템을 위한 알고리즘이 개발되고 있는데, 최근 이러한 시스템의 접근 방식은 사이버 보안 데이터 세트를 여러 그룹으로 분류하여 신경망 내에서 모델 선택을 최적화하고 네트워크 아키텍처(다중 계층 또는 반복), 활성화 함수, 학습 알고리즘과 같은 요소를 고려하는 것이다. 결과를 분석하여 침입 탐지에 중요한 핵심 데이터 범주를 식별하고 계산 부담을 최소화하는 데 가장 적합한 머신 러닝 구성을 결정이 가능한데. 자동차의 고급 기능에 필수적인 상호 연결된 시스템과 관련된 상당한 안전 위험을 다루면서 IDS 접근 방식과 자율 주행 자동차 시스템에 적용된 개념 간의 유사점을 도출이 사례로 발표되었다.

 

마찬가지로 포괄적인 트리 기반 침입 탐지 모델을 구성하기 위해 안전 기능 평가를 우선시하는 IntruD 트리 방법을 기반으로 하는 안전 지향적 머신 러닝 모델도 제시되었는데, 이 모델은 다양한 테스트 사례에 대한 예측 정확도를 보여줄 뿐만 아니라 기능 차원을 최소화하여 모델 복잡성을 줄인다. IntruD 트리 모델의 효과는 사이버보안 데이터 세트를 사용하여 평가되었으며, 정밀도, 정확도 및 수신자 작동 특성(ROC) 값을 측정했다. 나이브 베이즈, 로지스틱 회귀, 지원 벡터 머신 및 가장 가까운 이웃과 같은 기존 머신 러닝 접근 방식에 대한 비교 분석이 제안된 안전 모델의 효능을 평가하기 위해 수행되었다.

 

또한 딥 러닝(DL) 기반 사이버보안 네트워크 침입 탐지 시스템(IDS)을 위한 신경형 인지 컴퓨팅 접근 방식도 개발되었다. 이 혁신적인 접근 방식은 DL의 알고리즘적 힘과 빠르고 고효율의 신경형 사이버보안 프로세서를 결합했다. 학습 프로세스에는 자동 인코더와 벡터의 이산 분해를 사용하여 데이터를 인코딩한 다음 생성된 가중치를 크로스바와 뉴런에 매핑하는 작업이 포함되었다. IBM Neurosynaptic Core Simulator(NSCS)와 신경형 TrueNorth 칩을 사용한 테스트 결과는 사이버 보안 침입 탐지에 대해 약 90.12%의 인상적인 정확도를 보여주었다. 또한 이 프레임워크는 81.31%의 정밀도로 다양한 유형의 공격을 분류할 수 있었으며, 네트워크 침입을 탐지하고 분류하는 데 효과적임을 보여주었다.

 

마지막으로, 머신 러닝 기술은 사이버 보안, 특히 맬웨어 분석, 위협 탐지, 침입 이상 탐지와 같은 분야에서 널리 적용되었다. 머신 러닝 기술은 제로데이 맬웨어를 탐지하고 위협을 분석하기 위한 시그니처 기반 접근 방식에 대한 효율적인 대안으로 논의되었다. 또한 머신 러닝 알고리즘에 대한 적대적 공격과 관련된 주제를 다루고, 사이버 보안 애플리케이션에서 견고한 방법론의 필요성을 강조했다.

 



 

6. 소프트웨어 정의 네트워크(SDN) 공격과 AI

소프트웨어 취약성, 인터넷 취약성, 빅데이터 프레임워크에서 처리되지 않은 데이터의 급증하는 축적의 교차점은 컴퓨팅 분야에서 상당한 과제를 제기한다. 인간의 개입에 기인한 이러한 문제는 전통적인 접근 방식을 초월하는 새로운 솔루션을 필요로 한다. 인간의 개입을 완전히 없애는 방향으로 패러다임을 전환하는 것이 제안되고 있는데 이 급진적이면서도 이론적인 접근 방식은 원인 집합(수학적 구성 요소)을 모든 정보와 계산의 기반이 되는 보편적인 언어로 개념화한다. 원인 집합과 그 척도, 광범위한 대수적 속성에만 의존함으로써 이 새로운 이론은 예상치 못한 획기적인 결과를 제공한다. 제안된 프레임워크는 언어를 인간 인터페이스로 한정하고, 수학적으로 검증된 코드의 내부 계층을 인과 집합으로 표현하여 기계가 버그가 없고 안전한 코드와만 상호 작용하도록 보장한다. 이는 연구는 실험적 및 계산적 검증을 포괄하며, 인터넷 취약성 완화, 과학, 기술, 머신 러닝, 컴퓨터 인텔리전스 및 프로토타입 개발을 위한 자세한 지침에 대한 잠재적 응용 프로그램을 설명한다.

 

사이버 보안 분석가에게 전문가 지원을 제공하는 것을 목표로 하는 Intelligent Cybersecurity Assistant(ICSA) 아키텍처의 설계 및 구현도 제안되었는데 악성 사이버 이벤트의 급속한 확산과 정상적인 사이버 운영에 미치는 영향에 초점을 맞추었고 사이버 공격을 자율적으로 탐지하고 차단하기 위한 고급 머신 러닝 기술의 필요성을 강조한다. 제안된 ICSA 시스템은 스마트 사이버 어시스턴트 기술을 활용하여 기존 및 새로운 위협을 모두 효율적으로 방어한다. ICSA는 적응형 학습 기능을 통해 인텔리전스 수집 및 분석을 강화하여 취약성을 신속하게 식별하고 완화할 수 있다.

 

또 다른 시스템에서는 시맨틱 웹 기술을 활용한 프레임워크를 도입하여 사이버 보안 조치룰 적용하였는데, 이 프레임워크는 온라인 소스에서 텍스트를 자동으로 추출하고 분석하여 사이버 보안 전문가가 블랙햇 해커가 저지른 악의적인 활동을 탐지할 수 있도록 한다. 다양한 인터넷 네트워크와 해킹 그룹의 커뮤니케이션 패턴을 분석하여 이 프레임워크는 잠재적인 사이버 위협에 대한 귀중한 통찰력을 제공하는 것을 목표로 한다. 이 모델은 자연어 사이버 보안 관련 데이터를 처리하여 전문가가 추가 분석할 수 있는 실행 가능한 정보를 수집하여 향후 소프트웨어 시스템 구현을 위한 기반이 되었다.

 

기술의 발전이 환경을 계속 재편함에 따라 사이버 보안 교육의 필요성이 점점 더 절실해지고 있다. 모든 연령대에서 사이버 보안에 대한 관심과 인식을 높이는 것을 목표로 한 연구 활동에 수행되었는데 이는 혁신적인 접근 방식을 통해 사이버 보안 교육을 게임화하여 더욱 매력적이고 접근하기 쉽게 만들고자 했다. 참가자들은 설문 조사와 자체 평가에 참여하여 새로운 교육 시스템의 효과를 평가하고 설문 조사 결과 분석과 효능을 높이기 위한 잠재적 개선 사항 도출이라는 측면에서 의미가 있다.

 



 

7. AI를 활용한 사이버 공격 및 위협 예방

인공지능은 인간 지능의 컴퓨터화된 반복으로, 인간의 학습 과정과 반복적으로 유사하게 기능한다. 이 세기에 위협 환경이 계속해서 빠르게 진화함에 따라, 기존의 사이버 보안 방법은 재정적 인센티브에 의해서만 움직이는 사이버 공격자에 대항하여 부적절하다는 것이 입증되고 있다.

혁신적인 접근 방식의 필요성을 인식한 사이버 보안 기술을 개발하고 인공 신경망과 머신 러닝 알고리즘을 활용하여 방어 메커니즘을 강화하는 것이 중요하다. 이러한 방향은 사회 공학, 네트워킹 및 사이버 신원 도용에서의 역할, 사이버 범죄에 미치는 영향에 대한 개요를 제공한다. 또한 사회 공학 공격과 관련된 위협과 취약성을 완화하기 위한 예방 조치와 잠재적 솔루션을 제안한다. 저자는 사회 공학 공격을 완화하는 데 있어 기술의 역할을 인정하면서도 취약성은 주로 인간의 행동, 정신적 충동, 심리적 소인에서 비롯된다고 강조한다. 이러한 공격을 효과적으로 줄이기 위해 사회 공학적 민감성을 타겟으로 하는 조직 교육 이니셔티브에 대한 투자를 옹호한다.

 

상당한 재정적 손실과 보안 침해로 이어지는 사이버 범죄의 확산은 컴퓨터 시스템 보안 조치의 중요성을 강조한다. 이에 대응하여 기계 학습 및 데이터 마이닝 기술을 기반으로 침입 탐지 시스템을 평가하기 위해 사이버 보안 데이터 세트를 활용하는 최근의 진전에 대하여 기술하면 다음과 같다. KDD 및 UNM과 같은 사이버 보안 데이터 세트에 대한 기존 벤치마크 표준이 컴퓨터 기술의 현재 개발과 일치하지 않기 때문에 부적절하다는 점을 강조한다. 새로운 벤치마크 데이터 세트인 ADFA Linux 데이터 세트(ADFA-LD)를 제안하면서 더 잘 정의된 속성을 제공하고 글로벌 컴퓨터 기술의 현대적 발전과 일치시켜 이러한 격차를 해소하고자 한다. ADFA-LD의 도입은 연구 커뮤니티 내에서 컴퓨터 및 데이터 마이닝 침입 탐지 시스템을 보다 효과적으로 평가할 수 있을 것으로 기대된다.

 

소셜 및 인터넷 트래픽 분석은 사이버 위협을 식별하고 방어하는 데 중요한 역할을 하며 자동화된 기계 학습 접근 방식이 점차 기존의 규칙 기반 방법을 대체하고 있다. 소셜 네트워킹과 인터넷을 통한 사이버 트래픽에 대한 분석 연구를 수행하여 데이터 기반 모델을 사용하여 공통 유사성, 관계적 및 집합적 지표를 분석한다. 인터넷 보안에 대한 이 데이터 기반 접근 방식은 데이터 수집, 사이버 보안 엔지니어링 및 사이버 보안 모델링을 포괄하여 상황 인식 및 방어 역량을 강화하는 것을 목표로 한다.

 

미국은 사이버 공격으로 인한 심각한 국가 안보 위협에 직면해 있으며, 잠재적 공격을 억제하고 완화하기 위한 사전 조치가 필요하다. 이를 위한 최첨단 머신 러닝 기술을 사용하여 온라인 해커 그룹에서 악성 아티팩트를 수집하고 분석하는 사전 사이버 위협 인텔리전스(CTI) 플랫폼인 AZ Safe Hacker Assets Portal을 있다. 이는 온라인 해커 포럼과 같은 이전에 활용되지 않은 데이터 소스를 활용하여 이 포털은 사이버 위협 인텔리전스와 방어 전략을 강화하기 위한 시기적절한 통찰력과 분석을 제공하는 것을 목표로 한다.

 

사이버 위협의 복잡성이 증가함에 따라 전문가들은 사이버 보안 대책을 강화하기 위해 점점 더 인공 지능(AI)에 관심을 기울이고 있다. 베이지안 사이버 보안 애플리케이션에 대한 간략한 조사와 통찰력을 제공하여 위험 분석 및 상황 인식을 위한 정량적 위협 평가를 가능하게 한다. 또한 인기 있는 ML 알고리즘과 기능 추출, 차원 축소, 분류 및 탐지를 위한 제안된 ML 체계를 다루는 사이버 보안 머신 러닝(ML)에 대한 작업에 대한 포괄적인 조사를 제공하며 적대적 ML을 다루고 사이버 보안의 연구 및 개발을 위한 잠재적인 미래 경로를 설명한다.

 



 

8. 기업 기반 사이버 보안 및 AI 참여

신기술과 사이버 공격을 둘러싼 우려를 해결하는 동시에 기업 경쟁력을 강화하기 위해 인공지능(AI)을 활용하는 이점이 있다. 사이버 위협에 대한 컴퓨터화된 시스템의 편재적 취약성을 강조하고 몰타의 위험 관리 사례에서 얻은 통찰력을 바탕으로 기업을 보호하기 위해 사이버 보호 전략을 활용하는 것이 필요하다. 사이버 보안에서 AI의 현재 상태를 탐구하고 다양한 사례 연구와 응용 프로그램을 제시하여 해결되지 않은 문제와 과제가 있으며 또한 정책 권장 사항과 함께 기업 및 정부 관리에 대한 의미를 제공하는 것도 중요하다.

 

빠르게 진화하는 사이버 보안 환경에서 데이터 과학은 진보와 혁신을 주도하는 데 중요한 역할을 한다. 이를 위해서는 보안 아키텍처를 자동화하고 사이버 보안 데이터에서 실행 가능한 통찰력을 도출하여 사이버 보안을 강화하기 위해 데이터 과학 방법론을 적용하는 데 중점을 두는 것이 중요하다. 이를 위해서는 머신 러닝 기술과 데이터 기반 모델을 활용하여 사이버 보안 운영을 보다 효율적이고 지능적으로 만드는 것을 목표로 한다. 또한 사이버보안 데이터 과학을 발전시키기 위한 권장 사항을 제공하며, 사이버보안 모델링을 위한 다층 머신 러닝 프레임워크를 제시하는 것이 필요하다.

 

디지털 발전은 공급망 프로세스를 변화시켜 사이버보안과 관련된 새로운 과제와 위험을 초래했다. 공급망과 관련 사이버 위협에 대한 파괴적 기술의 영향을 조사해보면 산업용 사물 인터넷(IIoT) 및 인더스트리 4.0의 맥락에서 사이버 위험을 완화하는 데 중점을 둔연구들이 활발하게 진행되고 있다. 예측적 사이버 위험 분석을 위한 공급망 인프라를 지원하도록 설계된 자율 AI/ML 및 실시간 인텔리전스 시스템이라든지 IoT 네트워크와 통합된 이 시스템은 기능을 향상시키고 관련 위험을 해결하는 동시에 엣지 컴퓨팅 노드를 배포하는 데 대한 통찰력을 제공이 중요하다.

 

 

9. 의료 영상 처리 및 사이버 공격

기계 번역에서 의료 영상 처리에 이르기까지 다양한 응용 분야를 찾는 기계 학습 및 인공 지능(AI)의 전례 없는 성장하고 있다. 이러한 기술은 수많은 이점을 제공하지만, 역사적으로 오용 가능성은 덜 주목을 받았다. AI 기술의 오용으로 인해 발생할 수 있는 잠재적 안전 위험의 상황을 탐구하고 이를 예측, 예방 및 완화하기 위한 전략이 중요한데 공격자와 방어자 간의 장기적 균형을 분석하여 새로운 위협을 예상하고 대응하기 위한 적절한 보호 수단을 개발하는 것이 더욱 중요하다.

 



 

10. 암호화 및 인공 지능 기술의 발전

사이버 보안은 지난 10년 동안 위협의 증가와 사이버 범죄자들의 진화하는 전술로 인해 상당한 주목을 받은 역동적인 분야이다. 사이버 공격의 근본적인 동기는 비교적 일관되게 유지되었지만, 사이버 범죄자들은 ??지속적으로 방법론을 개선하여 기존 사이버 보안 솔루션이 새로운 위협을 탐지하고 완화하는 것을 어렵게 만들고 있다. 그러나 암호화 및 인공 지능(AI) 기술, 특히 머신러닝과 딥 러닝의 발전은 사이버 보안 전문가가 적대자가 제기하는 끊임없이 증가하는 위협 환경에 대처할 수 있는 효과적인 방법을 제공한다.

 

AI가 사이버 보안 솔루션을 향상시킬 수 있는 다양한 방법이 연두되고 있으며 강점과 한계를 모두 고려하고 있다. 다양한 응용 분야에서 AI 기술의 발전과 관련된 사이버 보안 영역 내의 다양한 연구 방법이 연구되고 있는데 예를 들면 공유 통신 네트워크를 통해 사이버 물리 시스템(CPS) 및 산업용 사물 인터넷(IoT) 장치를 표적으로 삼는 사이버 공격에 대한 지능형-클래식 하이브리드 복구 및 보상 솔루션을 개발하였다. 그들의 접근 방식에는 신경망과 결합된 스마트 클래식 제어 시스템을 배포하여 사이버 공격을 완화하고 모니터링 애플리케이션에서 장치 안정성을 보장하는 것이 포함된다.

 

사이버 범죄가 정보 기술(IT)의 전례 없는 발전 속에서도 계속해서 심각한 위협을 가함에 따라 확장 가능하고 적응 가능하며 회복성이 뛰어난 고효율 방어 시스템에 대한 필요성이 커지고 있다. 최신 인공 지능 도구는 사이버 범죄를 식별하고 예방하는 데 중요한 자산으로 부상했다. 인공 지능을 사용하여 다양한 사이버 범죄에 맞서는 진전을 보여주고 사이버 공격을 탐지하고 예방하는 데 있어 다양한 AI 기술의 효과를 입증하는 것을 목표로 하는데, AI는 침입 탐지 및 방지 시스템(IDPS)의 탐지율을 크게 높이고 봇넷 소스 데이터 마이닝을 지원할 수 있지만, 이를 적용하면 사이버 보안 전문가가 잠재적 이점과 신중하게 균형을 맞춰야 하는 새로운 위험도 발생한다.

 

 

11. 무선 통신 기반 사이버 공격 및 AI 기반 예방

자율주행 자동차, 무인 항공 시스템, 사물 인터넷(IoT)과 같은 기술을 포함한 무선 통신 네트워크의 등장으로 특히 5세대 무선 네트워크(5G)의 출현으로 인해 높은 데이터 속도, 낮은 대기 시간 및 안정성에 대한 수요가 증가하고 있다. 많은 전문가들은 인공 지능(AI)의 통합이 5G 무선 네트워크의 성공에 필수적이라고 주장한다. 이는 방대한 양의 데이터를 생성하고 사용자 요구 사항을 충족하기 위해 예측 분석 및 효율적인 셀 설계가 필요하기 때문이다. 이를 위해 5G 무선 네트워크의 AI 애플리케이션에 대한 광범위한 분석을 제공하여 그 역할을 조사하고 사례 연구를 분석하고 과제를 해결하며 5G 무선 통신에서 향후 테스트를 위한 권장 사항을 제공하는 것은 중요한 일이다.

 

사이버 공간이 현대 생활에 점점 더 필수적이 됨에 따라 인터넷에 대한 의존도가 높아져 사용자는 수많은 사이버 위협에 노출되었다. 이에 따라 사이버 보안은 사이버 위협, 공격 및 사기에 맞서는 데 가장 중요해졌다. 사이버 보안 애플리케이션을 위한 ML 모델에 대한 현재 문헌을 검토하고 널리 사용되는 ML 모델의 시간 복잡도를 비교해보면 일반적으로 사용되는 데이터 세트와 사이버 위협 하위 도메인을 기반으로 다양한 분류기의 성능을 평가가 가능하다.

 

SCADA(Supervisory Control and Data Acquisition)를 사용하여 사이버 보안 테스트 시스템 테스트베드를 만드는 것도 제안되었는데, 테스트베드는 머신 러닝 알고리즘을 훈련하기 위해 네트워크 트래픽 데이터를 수집하기 위해 물 저장 탱크 제어 장치를 포괄적인 사이버 공격에 노출시키는 것을 포함한다. 결과는 SCADA 설정 내에서 실시간 공격 탐지에 ML 모델의 효과를 보여준다.

 

또한 인공 지능과 인지 동적 시스템을 탐구하여 사이버 보안에서의 구조와 구현도 제안되었는데, 지식 그래프와 사이버 보안의 통합, 그리고 여기서 사이버 보안 지식 기반은 공격 식별 및 규칙 추론을 위한 온톨로지 및 머신 러닝 기술을 사용하여 개발된다.

 

마지막으로, 인공 지능(AI)의 최근 발전은 군사력, 지정학적 경쟁 및 세계 정치에 혁명을 일으키고 있다. 전술적 수준에서 전략적 수준까지 군사적 응용 프로그램에 중요한 의미를 갖는 AI 혁신을 식별하며, 빠른 AI 성장으로 인해 발생하는 불확실성과 취약성을 해결해야 할 필요가 있다.

 

 

12. 딥러닝 기반 사이버 보안 시스템

인공 신경망을 활용한 사이버 보안 프레임워크는 뛰어난 정확도 점수와 ROC(Receiver Operator Characteristic) 곡선 아래의 평균 면적, 무시할 수 있는 거짓 양성 평균을 달성한 다양한 사례를 보여준다. 또한 봇넷 공격 탐지를 위해 인공 지능을 사용하는 이 시스템은 높은 효율성, 정밀성, 효과를 보여준다. 표준 네트워크 트래픽 분석, 사이버-물리적 시스템 트래픽 데이터, 실시간 네트워크 트래픽 분석에 맞게 조정된 제안된 프레임워크는 다양한 장치에서 구현할 수 있는 가능성을 가지고 있다.

 

사이버 위협이 정교해짐에 따라 기존 탐지 기술은 악성 활동과 양성 활동을 구별하는 데 어려움을 겪으며, 이로 인해 거짓 양성률이 높아진다. 이에 대응하여 자동화된 탐지 기술을 활용하여 불리한 사용자 동작에 자동으로 대응하고 시스템 보호를 강화할 것을 제안되었는데, 이는 Q-러닝을 일반적인 확률적 게임과 비교하여 상대방의 전략에 대한 지식이 최소한인 시나리오에서도 Naive Q러닝에 대한 유망한 가능성을 제시한다.

 

더욱이 공공 부문에서 인공 지능(AI)을 통합하면 수많은 기회와 과제가 발생한다. 공공 부문에서 AI를 적용할 수 있는 분야를 식별하여 개발 가치를 설명하고 특정 공공 사용 사례를 설명하는 것이 필요하다. 또한 AI 과제의 4가지 주요 차원을 설명하고 이론적, 실제적 의미와 미래 연구에 대한 권장 사항을 함께 제시하는 것도 중요하다.

 

선행 연구중에는 침입 탐지, 맬웨어 탐지, 피싱/스팸 탐지, 웹사이트 기본 탐지를 포함한 사이버 보안의 딥 러닝(DL) 접근 방식에 중점을 두는데, 일반적인 DL 모델과 알고리즘에 대한 예비 설명을 제공하고 사이버 보안 애플리케이션을 위한 일반적인 DL 아키텍처를 개발한다. 선행 문헌중에서는 1961년부터 2018년까지의 AI와 딥러닝에 대한 포괄적인 조사를 제공하여 AI 애플리케이션, 알고리즘 및 잠재적 개발에 대한 다각적인 분석을 통해 귀중한 가이드를 제공한 사례도 존재한다.

 

또한 사이버 보안 애플리케이션에 맞게 조정된 새로운 AI 기술 개발을 옹호하며 KNS, 확률적 추론 및 베이지안 업데이트를 사용하여 보안 조치를 강화 방안 연구도 진행되었으며 동형 암호화, 블록체인 및 양자 컴퓨팅과 같은 신기술이 사이버 방어 및 공격 역량에 미치는 영향을 탐구하여 사이버 보안에 대한 잠재적인 긍정적 및 부정적 영향에 대한 통찰력을 제공한 사례도 발견된다.

 

학계에서 AI 전문성에 대한 수요가 증가함에 따라 컴퓨터 과학 및 사이버 보안 학생들에게 AI 개념과 역량에 익숙해지도록 설계된 "초보 AI 실무자를 위한 격자"라는 제목의 노트북이 개발되었는데, 이 노트북은 침입 탐지 데이터에 대한 실무 경험을 제공하여 일반적인 사이버 취약성을 완화하고 사이버 보안 교육에서 AI 기술에 대한 커리큘럼 계획을 촉진하는 데 도움이 된다.

 

 

13. AI 기반 사이버 보안

"AI 기반 사이버 보안"에 대한 포괄적인 탐구 영역이며 해당 영역에서는 지능형 사이버 보안 서비스와 관리가 중요한 역할을 한다. 위협 인텔리전스 모델링에 AI 접근 방식을 활용하면 기존 보안 시스템에 비해 사이버 보안 프로세스를 간소화하고 향상시킬 수 있다.

 

도달 가능성 매트릭스(RMO)의 온톨로지를 설명하는 선행 연구는 접근성에 대한 정보를 계산하기 위해 네트워크와 사이버 보안 도메인을 정의하는 새로운 접근 방식을 소개한다. RMO는 네트워크 구조 요소, 접근성 세부 정보 및 액세스 제어 정책을 통합하여 네트워크 노드 간의 도달 가능성을 정확하게 결정한다. 또한 이는 도달 가능성 매트릭스 계산을 개선하기 위해 SWRL 규칙과 SPARQL 쿼리를 사용하는 방법을 설명하며, 도달 가능성 매트릭스 계산을 위한 혁신적인 방법론이 활용된다.

 

인공 지능(AI)을 사이버 보안에 통합하는 것은 엄청난 잠재력을 가지고 있으며, 이는 미국에서 인공 사이버 보안 인텔리전스와 관련된 새로운 문제를 평가하는 적용된다. 획기적인 인공 지능 사이버 보안 접근 방식을 제안하는 기술에서는 얼굴 인식에서 이미지 처리에 이르기까지 AI 기술과 다양한 응용 분야의 급속한 발전을 강조한다. AI 기술은 사이버 보안 도구를 향상시키지만 악의적인 행위자가 새로운 기회를 악용할 수 있기 때문에 과제도 존재한다. 결과적으로 이 논문은 공격적 및 방어적 사이버 보안 전략 모두에 인공 지능을 활용하는 방법에 대한 통찰력을 제공하는 것이 필요하다.

 



 

14. 결론

사이버 범죄가 계속해서 복잡해짐에 따라 사이버 보안 전략이 더욱 회복력 있고 지능화되어야 할 절실한 필요성이 있다. 이러한 변화로 인해 방어 메커니즘이 정교한 공격에 대응하여 시기적절하고 효과적인 결정을 내릴 수 있게 된다. 이러한 발전을 촉진하기 위해 연구자와 실무자는 기존 사이버 보안 방법론, 특히 사이버 범죄와의 싸움에서 인공 지능(AI)을 활용하는 방법론에 익숙해져야 한다.

 

그러나 사이버 범죄와 싸우는 데 있어 AI의 중요성이 커지고 있음에도 불구하고 이 분야에서의 적용에 대한 포괄적인 요약자료와 설명자료는 여전히 ??부족하다. 이러한 측면에서 본 고에서 기술한 IoT, 블록체인, 사이버 범죄, 비즈니스, IDS, 소프트웨어 정의 네트워크, 사이버 포렌식을 포함한 다양한 분야에 걸쳐 체계적인 매핑을 통해 정량적 및 정성적 연구 분야에 대한 통합적 요약 및 설명자료가 필요한데 본 원고는 이러한 니즈에 대한 기본적인 자료를 제공하는데 의의를 갖는다.

 

결론적으로 인공 지능은 사이버 보안 노력을 강화하는 데 엄청난 잠재력을 가지고 있지만 더 광범위한 사이버 보안 도메인에 대한 지속적인 연구와 탐색이 필요하다. AI 기반 솔루션을 지속적으로 발전시키고 기존 과제를 해결함으로써 사이버 보안 커뮤니티는 새로운 사이버 위협에 효과적으로 대처할 수 있는 역량을 더 잘 갖출 수 있다.

 

 


참 고 문 헌




  2. Hassan Rehan, AI-Driven Cloud Security: The Future of Safeguarding Sensitive Data in the Digital Age, Journal of Artificial Intelligence General Science, Vol.1(1), pp.132-151, 2024.
  3. Rahman, S., Mursal, S. N. F., Latif, M. A., Mushtaq, Z., Irfan, M., & Waqar, A. (2023, November). Enhancing Network Intrusion Detection Using Effective Stacking of Ensemble Classifiers With Multi-Pronged Feature Selection Technique. In 2023 2nd International Conference on Emerging Trends in Electrical, Control, and Telecommunication Engineering (ETECTE) (pp. 1-6). IEEE.
  4. Camacho, N. G. (2024). The Role of AI in Cybersecurity: Addressing Threats in the Digital Age. Journal of Artificial Intelligence General science (JAIGS) ISSN: 3006-4023, 3(1), 143-154.
  5. Camacho, N. G. (2024). Unlocking the Potential of AI/ML in DevSecOps: Effective
    Strategies and Optimal Practices. Journal of Artificial Intelligence General science (JAIGS) ISSN: 3006-4023, 2(1), 79-89.
  6. Padmanaban, H. (2023). Navigating the intricacies of regulations: Leveraging AI/ML for Accurate Reporting. Journal of Knowledge Learning and Science Technology ISSN: 2959-6386 (online), 2(3), 401-412.
  7. Padmanaban, P. H., & Sharma, Y. K. (2019). Implication of Artificial Intelligence in Software Development Life Cycle: A state of the art review. vol, 6, 93-98.
  8. Padmanaban, H. (2024). Quantum Computing and AI in the Cloud. Journal of Computational Intelligence and Robotics, 4(1), 14?32.
  9. Akter, S. (2024). Investigating State-of-the-Art Frontiers in Artificial Intelligence: A Synopsis of Trends and Innovations. Journal of Artificial Intelligence General science (JAIGS) ISSN: 3006-4023, 2(1), 25-30.
  10. https://www.jaroeducation.com/blog/artificial-intelligence-in-cybersecurity/



저작권 정책


K-ICT 클라우드혁신센터의 저작물인 『디지털 시대의 AI 기반 클라우드 보안 기술 동향』은 K-ICT 클라우드혁신센터에서 상명대학교 서광규 교수에게 집필 자문을 받아 발행한 전문정보 브리프로, K-ICT 클라우드혁신센터의 저작권정책에 따라 이용할 수 있습니다.
다만 사진, 이미지, 인용자료 등 제3자에게 저작권이 있는 경우 원저작권자가 정한 바에 따릅니다.