Elastic Stack을 활용한 보안관제 시각화 구현과 평가 :

윤성열

추천

검색

자료유형: 학위논문

저자정보: 윤성열 (한밭대학교, 한밭대학교 대학원)

지도교수: 김정호

발행연도: 2020

저작권: 한밭대학교 논문은 저작권에 의해 보호받습니다.

이용수35

이 논문의 연구 히스토리 (2)

2020

Elastic Stack을 활용한 보안관제 시각화 구현과 평가

윤성열 컴퓨터공학과 2020.01 학위논문

2019

방화벽, 침입탐지 분야에 대한 보안관제의 시각화 서비스 구축

윤성열 , 김정호 한국콘텐츠학회 종합학술대회 논문집 2019.05 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

급증하는 사이버 공격에 대비하여 침해사고 발생시 원인 파악과 신속 대응을 위해 공공, 민간, 군, 금융 각 분야에서 보안관제를 위한 대응 체계를 구축하고 있다. 공공 분야에선 국가정보원이 ‘국가사이버안전센터’를 설치하여 담당하고 있고 군 분야에서는 국방부에서 ‘국방정보전대응센터’를 설치하였다. 금융분야에서는 금융보안원(FSI)이 맡고 있고 민간분야에선 한국인터넷진흥원(KISA)이 ‘인터넷침해대응센터’를 설치하여 각 민간기업을 대상으로 분야별 보안관제, 사이버 침해 대응 등 각 분야에서 지원을 하고 있다. 그러나 보안관제 분야에서 광범위한 분야의 관제는 수행이 어려워 네트워크 보안 관제에만 머물러 있으며 기업은 보안관제를 수행하기 위해선 전문업체를 선정하거나 솔루션을 도입해야하는 실정이다.

본 연구에서는 민간기업들이 전체적인 보안관제 인프라를 구축 할 수 있도록 오픈소스 빅데이터 솔루션을 이용하여 보안관제 체계를 구축하는 방법을 기술한다. 특히, 보안관제 시스템(SIEM:Security Information & Event Management)을 구축할 때 비용·개발시간을 단축 할 수 있는 하나의 방법으로 무료 오픈소스 빅데이터 분석 솔루션 중 하나인 Elastic Stack을 활용하여 인프라를 구축했으며, 산업에 많이 도입되는 제품인 Splunk와 비교실험을 진행했다. Elastic Stack을 활용해 보안로그를 단계별로 수집-분석-시각화 하여 대시보드를 만들고 대용량 로그를 입력 후 검색속도를 측정하였다. 이를 통해 Elastic Stack이 Splunk를 대체 할 수 있는 빅데이터 분석 솔루션으로서의 가능성을 발견했다.

#보안관제 #Elasticsearch

목 차
표 목 차 7
그 림 목 차 8
국 문 요 약 9
Ⅰ. 서 론 11
1.1 연구 배경 및 목적 11
1.2 논문의 목적 12
1.3 논문의 구성 12
Ⅱ. 관련연구 14
2.1 보안관제에서 빅데이터 14
2.2 빅데이터 솔루션 활용 이유 14
2.3 관련 도구들 15
2.3.1 Splunk 15
2.3.2 Hadoop 17
2.3.3 Spark 18
2.3.4 Elastic Stack 18
2.4 보안관제 데이터별 시각화 방법 23
Ⅲ. Elastic Stack 시스템 구축 27
3.1 실행환경 27
3.2 로그 분석 시스템 구축 27
3.3 GeoIP를 활용한 로그 시각화 해석 29
3.4 Pie chart를 활용한 시각화 분석 30
3.5 Area chart를 활용한 시각화 분석 31
3.6 Dashboard를 활용한 시각화 분석 32
Ⅳ. 빅데이터 솔루션 비교 34
4.1 비교 항목 선정 34
4.2 비교 결과 35
4.3 성능테스트 37
4.3.1 실험 환경 구성 37
4.3.2 검색 성능 비교 39
4.3.3 Elasticsearch Cluster Node 40
Ⅴ. 결론 42
참 고 문 헌 43
ABSTRACT 45
표 목 차
<표 2-1> RDMS, 빅데이터 엔진비교 16
<표 2-2> Elasticsearch 용어 설명 21
<표 3-1> Elastic Stack 시스템 구성 28
<표 4-1> Elastic Stack vs Splunk 비교설문 36
<표 4-2> 방화벽 로그 예시 37
<표 4-3> 방화벽 로그 정의서 37
<표 4-4> 검색 성능 비교 39
그 림 목 차
<그림 2-1> Splunk사 주요 국내고객 17
<그림 2-2> Hadoop Ecosystem 18
<그림 2-3> Elastic Stack 구성 19
<그림 2-4> Elasticsearch 개념적 구성도 21
<그림 2-5> Logstash 작동 과정 22
<그림 2-6> Kibana 실행 화면 23
<그림 2-7> 보안관제 표 예시 24
<그림 2-8> 선도표, 면적도표 예시 25
<그림 2-9> 막대도표 예시 26
<그림 2-10> 파이차트 예시 26
<그림 2-11> 산도표 예시 27
<그림 3-1> 로그 분석 시스템 구성 29
<그림 3-2> 로그분석시스템 접속 화면 29
<그림 3-3> GeoIP 활용 로그 시각화 예시1 30
<그림 3-4> GeoIP 활용 로그 시각화 예시2 30
<그림 3-5> Pie chart 활용 로그 시각화 예시1 31
<그림 3-6> Pie chart 활용 로그 시각화 예시2 31
<그림 3-7> Area chart 활용 로그 시각화 예시 32
<그림 3-8> Dashboard 활용 로그 시각화 예시1 33
<그림 3-9> Dashboard 활용 로그 시각화 예시2 34
<그림 4-1> 시각화 Dashboard 비교 35
<그림 4-2> Splunk 가격 정책 36
<그림 4-3> 검색 성능 비교 40
<그림 4-4> Elasticsearch Cluster Node 예시 41
<그림 4-5> Elasticsearch Cluster Node 테스트 41

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)