지도학습 머신러닝 알고리즘의 정확성을 높이기 위해서는 보안 이벤트에 정답을 달아주는 '레이블링' 과정이 필수다. 레이블링 작업이 필요한 보안 데이터가 기하급수적으로 증가하면서 특정 환경에서 발생한 데이터에 레이블을 부여하고 이를 다른 환경에 맞춰 재 학습시키는 전이 학습 도입이 이뤄지고 있다.
그러나 전이 학습은 보안 환경의 차이에 따라 보안 이벤트에 대한 예측 결과의 정확성이 떨어질 수 있는 한계점을 갖고 있다. 특정 보안 환경에서는 공격이라고 판단되는 이벤트가 다른 환경에서는 무시할 만한 수준으로 여겨지는 등 보안 데이터가 발생하는 각각의 보안 환경에 따라 특정 보안 이벤트에 대한 보안 담당자의 판단이 달라질 수 있기 때문이다.
이글루시큐리티가 이번에 취득한 특허는 전이 학습의 효율성을 높이는 데 중점을 두고 있다. 다양한 조건의 환경에 대한 학습을 통해 이를 모방한 여러 모방 환경을 생성하고, 이 모방 환경 간의 차이점을 분석한 보정 값을 추출해 적용하는 방식이다. 다른 환경에서 생성된 학습 데이터를 학습한 경우에도 전이 학습이 수행되는 환경에 부합하는 예측 결과를 도출할 수 있다.
이득춘 이글루시큐리티 대표는 "디지털 전환 가속화에 따라 보안 담당자가 분석해야 할 보안 이벤트의 양이 기하급수적으로 증가하고 있다"며 "본 특허 기술 적용을 통해 기업에 영향을 미칠 수 있는 고위험 이벤트를 빠르고 정확하게 선별함으로써 보안관제의 효율성을 한 단계 높일 수 있을 것으로 기대하고 있다"고 말했다.윤선영기자 sunnyday72@dt.co.kr
[ 저작권자 ⓒ디지털타임스, 무단 전재 및 재배포 금지 ]
