딥러닝을 활용한 네트워크 이상패킷 감지 및 분류 개발

본 프로젝트는 경북대학교와 (주)YH데이터베이스와의 산학 협력 프로젝트로 진행 되었습니다.

본 프로젝트의 모듈은 Apache2.0 라이선스를 따르는 DL4J를 기반으로 작성 되었습니다.

본 프로젝트는 기술의 발달로 다양해지고 변화하는 네트워크 상의 공격에 대응하기 위해 딥러닝 기법을 이용한 새로운 대처 방법을 찾고자 진행 되었습니다. 이를 통해 네트워크 장치의 분석 데이터를 기반으로 한 효율적인 이상 패킷 차단 기술을 확보하고, 그에 따른 적정 자원 할당 및 처리의 방향을 찾아보고자 합니다.

설치

우분투 리눅스 환경을 기반으로 진행합니다.

1. 실행 환경인 intelliJ와 7 이상 버전의 java(jdk), 3.5.2 이상 버전의 maven 설치.

2. 실시간 패킷 처리 모듈을 실행하기 위해 pcap 라이브러리 tcpdump와 python3을 설치.

3. git 복사. (경로 설정을 위해 ~$에 설치 하는 것을 권장)

~$ git clone https://github.com/Screwlim/20192_yhdatabase.git

4. pcap(raw packet) to nsl-kdd 변환 모듈 빌드.

~$ git clone https://github.com/AI-IDS/kdd99_feature_extractor.git
~$ cd kdd99_feature_extractor
~/kdd99_feature_extractor$ mkdir build-files
~/kdd99_feature_extractor$ cd build-files
~/kdd99_feature_extractor/build-files$ cmake -DCMAKE_BUILD_TYPE=Debug -G "CodeBlocks - Unix Makefiles" ..
~/kdd99_feature_extractor/build-files$ cd ..
~/kdd99_feature_extractor$ cmake --build ./build-files --target kdd99extractor -- -j 4

실행

1. intelliJ에서 ~/20192_yhdatabase/ML module/pom.xml 불러오기.

2. ~/20192_yhdatabase/ML module/src/main/java/org/deeplearning4j/examples/deeplearning/Training3.java로 학습. 학습 완료 된 모델은 ~/20192_yhdatabase/ML module/src/main/resources/trainedModel 경로에 저장.

3. Service.java의 IPaddress 변수에 자신의 IP주소 입력.

4. Classification.java의 path 변수에 원하는 분류 모델(또는 학습 한 모델)설정.

5. Service.java 실행.

파일 정보

data_set (상세정보)

신경망을 학습시키고 테스트할 때 사용된 모든 데이터 셋

ML module

DL4J라이브러리를 사용한 신경망 설계 프로젝트 파일

참고

• DL4J (http://deeplearning4j.org/)
• kdd99 형식 추출 모듈 (https://github.com/AI-IDS/kdd99_feature_extractor)

깃 프로젝트 참여

2015114262 임석렬 Screwlim

2014105009 김기윤 ko6154

2014105106 황석영 tjrdud123

2017113020 박효빈 Bachbold