소프트웨어 및 시스템 보안 연구실 (Software & System Security Laboratory (S3Lab))

지도교수 : 최윤호 교수님 

위 치 : 자연대연구실험동 417호 
전화번호 : 051) 510-2872
홈페이지 : https://sec.pusan.ac.kr
E-Mail : yhchoi@pusan.ac.kr, s3lab@gmail.com

■ 연구실 소개

어떻게 하면 빅 데이터(네트워크 패킷, 시스템 로그 등)를 잘 이해하고 이상 징후를 예측하는 모델을 학습할 수 있을까? 보안 위협을 사전에 방지하기 위해 어떻게 하면 상황에 맞는 유용한 패턴을 생성하고 탐지할 수 있을까? 어떻게 하면 보안 사고 발생 시 이로 인한 피해를 최소화할 수 있을까? 소프트웨어 및 시스템 보안 연구실(Software & System Security Laboratory)에서는 확률 통계, 패턴 매칭 알고리즘, 인공지능(데이터 마이닝, 기계 학습, 딥 러닝) 모델 및 알고리즘, 시스템 개발을 진행하고 있습니다.

■ 주요 연구 분야

가. 정보보안 솔루션 개발

악의적인 공격자의 사이버 공격으로부터 개인과 기업, 기관의 데이터 및 시스템을 어떻게 안전하게 보호할 수 있을까요? 악성코드 분석 및 탐지, 침입 탐지 및 방지 및 블록체인 코드 보안을 위한 핵심 기술을 연구 개발하고 있다.

지능형 악성 코드 분석 및 탐지: 악성 코드 전파 특성 분석, 탐지를 위한 공격 생성(adversarial examples), 시그너쳐 생성 및 패턴 정합 알고리즘

지능형 침입 탐지 및 방지 시스템: 네트워크 트래픽, 호스트 및 네트워크 장비 로그 상관성 분석을 통한 침입 탐지 알고리즘 및 시스템

지능형 블록체인 코드 보안: 블록체인 플랫폼 및 스마트 계약 코드의 취약성을 분석

그림1  기계학습 알고리즘을 이용한 비정상 행위(Anormaly) 탐지 개요

그림2 안전한 의료데이터 관리를 위한 블록체인 플랫폼 개선

나. 인공지능 보안 솔루션 개발

시스템 및 네트워크 상에서 발생한 대규모 빅 데이터를 어떻게 수집하고 효율적으로 학습 및 예측할 수 있을까? Adversarial Learning, Autoencoder, 이상 탐지 및 예측, 프라이버시 보호 딥러닝(PPDL)을 위한 핵심 기술을 연구 개발하고 있다.

Adversarial Learning과 GAN(Generative Adversarial Networks): 인공지능 알고리즘의 오탐 확률을 높이기 위한 악의적인 입력 값 생성 방법 및 이를 구별하기 위한 알고리즘 개발

Autoencoder: 이미지 데이터의 압축을 위해 연구된 인공신경망을 활용한 비정상 탐지 알고리즘 개발

이상 탐지 및 예측 (Anomaly Detection): 금융, 스마트 팩토리, 전력 등에서 생성한 다차원 데이터 분석 및 이를 통한 이상 징후 탐지 및 예측 기술

PPDL(Privacy Preserving Deep Learning): 데이터 프라이버시 보호를 위한 암호화한 데이터에 대한 기계학습(딥러닝) 알고리즘

그림3  동형암호 성능 개선 및 응용 연구

그림4  데이터 프라이버시 보호를 위한 암호화한 데이터 기계학습 알고리즘 (PPDL)

다. 응용 소프트웨어 개발

제 4차 산업혁명 시대의 기업 및 기관의 경쟁력 강화를 위한 핵심 소프트웨어 기술은 무엇일까? 제 4차 산업혁명 시대의 원동력인 클라우드, 사물인터넷(IoT), 빅데이터, 지능형 서비스 활성화를 목표로, 금융, 스마트팩토리, 의료 등 다양한 산업에서 고부가가치 창출이 가능한 새로운 소프트웨어를 연구 개발하고 있다.

금융(핀테크): 금융 이상 거래 탐지 서비스, 공개형 및 사설형 블록체인을 활용한 금융 애플리케이션 등

스마트 팩토리: 결함 탐지 및 예측 서비스, 작업량 스케쥴링 등

의료: 의료 데이터를 활용한 환자 병력 관리, 분석 및 예측, 의료 보조 데이터 생성을 통한 의료 지원 프로그램 등

■ 수행과제

- 의료데이터 프라이버시 보존 컴퓨팅 기술개발 사업 KHIDI, 2019. 06~2022. 02 (완전동형암호, 프라이버시 보존 딥러닝, 개인민감정보 보호)

- 악성 코드 Context Anomaly 탐지를 위한 Deep Adversarial Learning 알고리즘, NRF, 2018. 02~2021. 02 (공격 유형별 속성 추출, 침입 탐지 성능 개선, 딥러닝 학습 파라미터 최적화)

IoT 및 지능정보기반 동남권 제조 IT 기술 혁신 및 인재양성, MKE, 2020. 01~2021. 12 (용접 센싱 데이터 분석 S/W 개발, 결함 탐지 기술 고도화)

- 과학문화 전시서비스 역량강화 지원 사업, NRF, 2018. 07~2021. 12 (관람객 궤적 예측 시스템 개발, 핫스팟 분석 가시화 웹 프로그램 개발, 궤적 빅데이터 저장을 위한 S/W 개발)

- 외 다수 (연구실 홈페이지(https://sec.pusan.ac.kr/) 에서 확인) 

■ 연구실 생활

가. 박사과정 연구생

- 연구 분야에 대한 논문 연구

- 정부 과제 및 기업체 프로젝트 참여를 통한 국책 연구소(ETRI, KISA, NSRI 등)와의 공동연구 수행

- 정보보안 기술 설계, 제작 및 시험 등 현장 실무 책임 참여

- 정보보호관련 강의 기회

- BK에 준하는 생활비 지원 및 프로젝트 참여 성과에 따른 인센티브 지급

나. 석사과정 연구생

- 연구 분야에 대한 논문 연구 및 연구 과제 참여를 통한 대기업 및 국책 연구소와의 공동연구 수행

- 정보보안 기술 설계, 제작 및 시험 등 현장 실무 참여

- 정보보호 관련 교육 프로그램 참여를 통한 연구 능력 함양

- BK에 준하는 생활비 지원 및 프로젝트 참여 성과에 따른 인센티브 지급

- 융합보안대학원 참여 시 등록금 전액 및 생활비(180만원/월) 지원

다. 학부 연구생

- 연구 개발 과제 참여 기회

- 정보보호 관련 교육 프로그램 참여를 통한 연구 능력 함양

- 생활비 지원 및 프로젝트 참여 성과에 따른 인센티브 지급

* 메일( yhchoi@pusan.ac.kr )이나 전화(051-510-2781)로 면담 신청 후 연구실 방문