메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김진혁 (가천대학교) 한명묵 (가천대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제35권 제1호
발행연도
2025.2
수록면
16 - 24 (9page)
DOI
10.5391/JKIIS.2025.35.1.16

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
취약점 분석·평가는 사이버 위협에 대한 시스템 및 네트워크의 보안 결함을 한정된 시간내에 최대한 식별하여 심각도를 측정하는 일련의 과정이다. 현대 네트워크의 규모와 복잡성을 고려하였을 때, 취약점을 보다 명확히 파악하고 분석하는 것이 중요하다. 공격 그래프는 각 취약점을 독립적인 개체로 간주하지 않고 취약점 간 상호 관계성, 의존성 등을 고려하여 취약점 분석을 수행할 수 있다. 강화학습은 학습 에이전트가 환경과 상호작용을 통해 누적보상을 최대화하는 행동을 선택하는 학습법이다. 본 논문은 효율적인 취약점 분석·평가를 위해 공격 그래프와 강화학습을 결합한 프레임워크를 제안한다. 해당 프레임워크에서는 공격 그래프를 강화학습을 위한 환경으로 변환한다. 이후 보상 함수를 설정하고, 강화학습 알고리즘인 Q-learning을 활용하여 학습한다. 학습을 마치면, 결과 그래프를 그려 학습 파라미터 별 누적 보상과 에이전트의 학습 과정을 비교한다. 그래프 이외에 결과 데이터를 추출 및 정제하여 가장 취약한 경로를 시각화하고, 경로상의 노드를 정리하여 읽기 쉬운 데이터로 제공한다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 연구 방법
4. 실험 및 결과
5. 결론 및 향후 연구
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092329737