• 논문제목 : 사이버 보안 전문가 프로파일 사례 및 시스템 연구(Development and Case study of Cybersecurity Workforce Management System)
• 발 표 자 : 석사과정 안준영(소프트웨어학과)
• 연 락 처 : swh01007@gmail.com
• 논문개요 : 발 빠르게 변화하고 있는 정보화의 시대에서 해가 거듭될수록 정보보호 위협이 급증하고 있고, 과거와는 달리 정보보호의 대상이 개인에서부터 군사, 산업 분야에 이르기까지 그 범위는 매우 광범위해져 숙련된 사이버 보안 실전 인력의 중요성이 더욱 커지고 있다. 이에, 어떤 인력을 어떻게 효과적으로 교육 및 양성할 것인가의 문제에 대한 해답을 찾아야 숙련된 전문 인력을 확보할 수 있다. 미국의 경우 NICE Cybersecurity Workforce Framework(NICE Framework)를 기반으로 인력 관리∙양성 연구를 진행하며 영국의 경우, 미국보다 앞선 2006년부터 Institute of Information Security Professionals(IISP, 현 CIISec) 를 설립해 연구를 진행하고 있다. 우리나라의 경우 조사 기관이나 조사 시기별로 각기 다른 업무 분류를 사용하고 있어 사이버 보안 인력에 대한 데이터의 수집, 관리는 물론 이를 활용한 정책 및 시스템을 개발하기 위한 데이터로 활용하는 데 한계가 있다. 또한, 미국의 경우 NICE Framework를 활용한 교육훈련 시스템을 통해 보안 인력 훈련을 체계적으로 하고 있는 추세이지만, 한국에는 아직까지 그런 시스템이 갖춰져 있지는 않다. 이에 본 연구에서는 국내 사이버 훈련 환경에 적합한 사이버 보안 전문가 프로파일 시스템 및 데이터베이스를 구축했다. 본 연구를 통해 향후 실전 전문가의 보유 기술, 수준, 수준 향상 정도 등의 데이터를 바탕으로 맞춤형 관리를 위한 시각화 연구 및 구현에 대한 기초 연구로서 실전 전문가 관리 시스템 개발 및 운영의 기반을 마련할 수 있을 것이다.

• 논문제목 : The Detecion of Security Issues In Commit Messages of C/C++ projects using Deep Learning
• 발 표 자 : 석사과정 Muhammad Ali Hamza(소프트웨어학과)
• 연 락 처 : alihamzaiub13@gmail.com
• 논문개요 : In open-source software (OSS), git commits are critical in defending against security breaches as they provide security fixes for reported vulnerabilities. Standard security advisory the National Vulnerability Database (NVD), is known for its limited and inconsistent coverage for finding and tracking security issues. Deep Learning (DL) is promising for this purpose as it diminishes the need to specify features manually. Despite deep learning's enormous success in other application domains, its utility to vulnerability detection is deemed insufficient. To solve this problem, First, we developed a dataset that includes security-related and security irrelevant commit messages from only large-scale C/C++ OSS projects. Secondly, we fine-tuned two DL based supervised learning model (BERT) and semi-supervised model (GAN-BERT) for identification of security related commit logs. We found that both based DL models achieved higher accuracies than keyword-based approaches and static models. The use of Git commits messages produces a substantial improvement over the best-known approach in state of the art, while requiring a significantly smaller amount of training data and employing a simpler architecture.

• 강의제목 : Deep Bayesian Neural Nets
• 강 의 자 : 김인중 교수(한동대학교 전산전자공학부)
• 연 락 처 : ijkim@handong.edu
• 강의시간 : 2021. 09. 29. (수)
• 장 소 : CISCO WebEX(링크)
• 강의개요 : 일반적인 신경망이 고정된 값을 출력하는 반면 베이지안 신경망은 확률 분포를 갖는 랜덤변수를 출력한다. Bayesian 신경망은 신경망에 비해 불확실성을 모델링할 수 있고 오버피팅이 적은 점 등의 장점을 갖는다. 본 강의에서는 베이지안 이론, 가우시안 프로세스(Gaussian Process)과 베이지안 신경망을 설명하고 Deep Bayesian Model에 사용되는 기법들을 소개한다.
• 주요 연구 업적
  • 2001. 세계 최초의 모바일 한글 인식기 개발
  • 2012. 국내 최초로 CNN 자체 엔진 개발
  • 2016. 세계 최초로 딥러닝을 이용한 T-커머스 방송편성 시스템 개발 및 상용화
  • 2018. 국내 대학 최초로 딥러닝 오픈소스 프레임워크 위큐(WICWIU) 공개
• 주요 수상 경력
  • 2001. KAIST 박사논문 우수논문상(전산학과)
  • 2005. IR52 장영실상 (제품명 : Mobile Reader, 49주차)
  • 2014. SW산업발전유공자 국무총리상
  • 2018. 정보통신방송유공자 과학기술정보통신부장관상
  • 정보과학회 및 통신학회 우수논문상 / 우수발표논문상 4회

2020년 12월 8일, 저희 연구실은 zoom을 통해 언택트 연말파티를 개최했습니다. 올해에는 대면으로 진행하지 못해서 아쉬웠지만, 그래도 나름 새로운 도전이었기에 재밌었습니다. Merry Christmas and Happy New Year!

2020 8월 10일부터 14일까지, 온라인으로 실행된 SIGCOMM(the flagship annual conference of the ACM Special Interest Group on Data Communication) 참여했습니다. SIGCOMM은 네트워크 아키텍처, 설계, 구현, 운영, 분석, 측정 및 시뮬레이션에 대한 연구를 담당하며 데이터 통신 및 네트워크 분야의 주요 학술 대회입니다. SIGCOMM에서 이강희, 이승훈 학생이 "Traffic Classification using Deep Learning: Being Highly Accurate is Not Enough”의 논문으로 참가 및 발표를 했습니다. 해당 논문은 Deep Learning을 이용한 네트워크 트래픽 분류에 대하여 성능을 평가하고 분류 원인을 분석합니다. 또한 김현철 교수님께서 "AS Relationships Inference from the Internet Routing Registries”의 저자로 참가하셨습니다. 해당 논문은 IRR (Internet Routing Registries)에 저장된 라우팅 정책을 사용하여 AS 간의 비즈니스 관계를 추론하는 방법론을 제시합니다. 온라인으로 열려 많은 불편과 새로움이 있었지만 방문해주신 많은 참여자분들과 새로운 주제로 많은 대화를 나눌 수 있어서 즐겁고 유익한 시간이었습니다. 마지막으로 SIGCOMM 포스터로 논문을 출판한 이강희, 이승훈 학생, 김현철 교수님에게 축하드립니다.