머신러닝을 활용한 사이버 보안 기술의 융합 트렌드 분석 및 예측에 관한 연구

Abstract

최근 사이버 보안 사고를 유발하는 취약점들이 복합적으로 나타나고, 몇 개의 취약점을 동시에 활용하는 공격이 이루어지고 있다. 따라서 융복합되고 있는 기술발전 트렌드를 반영하여 사이버 보안 기술 분야의 선제적 대응을 위해서는 보다 통합적이고 예측 가능한 대안 수립이 필요하다. 이 연구의 목적은 통합적인 관점에서 사이버 보안 분야의 기술들을 계층화하고, 잠재 디리클레 할당(LDA)을 활용하여 연도별로 토픽들의 융합영역을 살펴본 후, 동적 토픽 모델(DTM)을 이용하여 10년간의 융합 트렌드를 분석하고 장기 단기 기억 모델(LSTM)을 사용하여 사이버 보안 기술의 융합영역들을 예측하는 것에 있다. 이 연구에서는 다양한 기능이 접목된 정보시스템을 보호하는데 필요한 사이버 보안 기술을 식별하기 위해 사이버 보안 기술의 융합 트렌드를 분석하고 예측하였다. 이를 위해 우선 전문가들의 지식을 활용하여 5개의 대분류와 22개 중분류 기술, 65개의 소분류 기술로 사이버 보안 기술을 계층화하였다. 그리고 잠재 디리클레 할당(LDA)과 동적 토픽 모델(DTM)이 주제를 할당하는 과정에 발생하는 동시에 등장하는 키워드인 연결키워드를 측정하여 사이버 보안 기술들의 융합 분야를 확인하였다. 이 결과를 바탕으로 장기 단기 기억 모델(LSTM)을 활용하여 향후 3년간 융합이 강화될 것으로 예측된 사이버 보안 기술들을 부록에 있는 사이버 보안 기술 분류표와 매칭시켜 확인하였다. 이상의 연구 결과를 종합하면, 5개의 융합 분야에서 10개의 중분류 기술과 이에 포함된 26개의 세부 기술을 각각의 영역별로 동시에 개발함으로써 4차 산업혁명 시대에 다양한 서비스를 동시에 제공하는 정보시스템을 보다 효과적으로 보호할 수 있을 것으로 예측된다.