|
|
|
|
|
 |
또한, 정보보호 동아리 활동을 통해 실제 보안 취약점 분석과 침해사고 대응 실습에 참여한 경험도 저의 연구 관심사를 확장시켰습니다.
이러한 다양한 경험을 바탕으로, 대학원에서는 인공지능 과 정보보호가 융합되는 보안 분야를 심도 있게 연구하고자 합니다.
구체적으로는 'AI 기반 이상 행위 탐지 및 자동화된 대응시스템', '빅데이터 환경에서의 개인정보보호와 프라이버시 강화 기법', '차세대 암호화 알고리즘의 실제 적용 및 안전성 검증' 등을 주요 연구 분야로 삼고 싶습니다.
특히 고려대학교 정보보호대학원의 체계적인 커리큘럼, 산학협력, 그리고 다양한 연구 프로젝트를 통해, 이론과 실무를 겸비한 보안 전문가로 도약할 수 있는 기반을 마련하고 싶습니다.
앞으로 정보보호가 단순한 기술적 방어를 넘어, 인간의 프라이버시와 신뢰를 지키는 학문으로 자리매김할 수 있도록, 인공지능·데이터·보안이 유기적으로 융합되는 미래지향적 연구를 수행할 계획입니다.
그 과정에서, AI 모델이 보안 데이터에서 보이는 특징, 프라이버시 침해 가능성, 이상 행위 탐지의 현실적 한계, 암호화 기법의 실효성 등 다양한 주제별로 세부 연구 방향을 다각도로 비교·분석할 예정입니다.
|
|
|
 |
또한, 정보보호 동아리 활동을 통해 실제 보안 취약점 분석과 침해사고 대응 실습에 참여한 경험도 저의 연구 관심사를 확장시켰습니다.
대학 정보보호 동아리에서는 매주 취약점 분석 세미나와 CTF(해킹방어대회) 문제풀이 세션이 열렸고, 저는 네트워크 패킷 분석, 악성 스크립트 디텍션, 디지털포렌식 등 다양한 분야의 실습을 진행했습니다.
이 경험은 '데이터 기반 이상 행위 탐지' 분야에 대한 실질적인 이해도를 높이는 계기가 되었고, 나아가 AI 기반 침입 탐지, 행위 분석, 자동화된 대응체계 등 차세 대보안연구에 대한 호기심과 열정을 더욱 확고히 하였습니다.
구체적으로는 'AI 기반 이상 행위 탐지 및 자동화된 대응시스템', '빅데이터 환경에서의 개인정보보호와 프라이버시 강화 기법', '차세대 암호화 알고리즘의 실제 적용 및 안전성 검증' 등을 주요 연구 분야로 삼고 싶습니다.
따라서 기술적 보안은 물론이고, 사용자 친화적이면서도 강력한 정보보호체계의 필요성에 관심을 갖게 되었고, 이를 위해서는 인간과 기술이 조화를 이루는 보안연구가 필수적이라고 느꼈습니다.
그 과정에서, AI 모델이 보안 데이터에서 보이는 특징, 프라이버시 침해 가능성, 이상 행위 탐지의 현실적 한계, 암호화 기법의 실효성 등 다양한 주제별로 세부 연구 방향을 다각도로 비교·분석할 예정입니다.
실제 학부 때는 주로 공개 데이터 셋에 의존했지만, 석사과정에서는 산학협력, 연구 실 프로젝트, 학내 정보보호센터와의 연계 등을 통해 실제 기업·기관에서 발생하는 다양한 보안 이벤트 데이터를 직접 수집·전처리하고, 이 과정에서 데이터 불균형, 레이블링 오류, 최신 공격 반영의 한계 등 실무적 문제를 직접 경험하며 해결책을 모색할 예정입니다.
데이터 수집 및 전처리 단계에서는 로그 및 트래픽의 비정상 패턴, 시간·공간적 상관관계, 사용자별 행위 분석 등 다양한 지표를 정량화하고, 이상치(outlier) 탐지, 특징벡터화(featu reengineering), 고차원 데이터의 차원 축소(dimens ionalityreduction) 기법을 적용해 효율적이고 신뢰성 높은 입력 데이터를 구축하겠습니다.
이후 모델 설계 단계에서는 지도학습(supervisedlearning), 비지도 학습(unsupervisedlearning), 강화 학습(reinforcementlearning) 등 복수의 AI 기법을 병행적으로 적용해 보고, 각각의 장단점과 실제 보안 문제에 적합한 모델을 실험적으로 비교 분석할 계획입니다.
모델 검증 단계에서는 학습 데이터와 별도의 테스트셋, 실제 운영 환경에 가까운 시나리오 테스트, 시계열 분석, 데이터 드리프트 검증 등 다각적인 방법을 적용하겠습니다.
특히, 실제 발생 가능한 최신 공격 유형을 반영하기 위해 주기적으로 데이터 셋을 업데이트하고, 사이버 공격 시나리오를 가상 환경에서 재현하여 모델의 실질적 효용성을 점검할 계획입니다.
특히, 차등 프라이버시(differentialprivacy), 연합학습(federatedlearning), 동형암호(homom orphicencryption) 등 신기술의 이론적 원리를 학습하고, 공개 데이터 셋을 활용해 실제 데이터의 프라이버시 보호 수준을 정량적으로 측정·비교할 예정입니다. |
 |
데이터, 보안, 연구, 정보보호, 실제, 화, 다양하다, 기술, 기반, ai, 탐지, 프로젝트, 과정, 분석, 현장, 프라이버시, 되어다, 시스템, 모델, 공격 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.12.26
5페이지
