AEGIS: Adversarial Entropy-Guided Immune System -- Thermodynamic State Space Models for Zero-Day Network Evasion Detection

1. 문제 정의 (Problem)

현대 네트워크 보안은 TLS 1.3 의 광범위한 채택으로 인해 심각한 도전에 직면해 있습니다.

• 기존 DPI 의 한계: 페이로드 (Payload) 와 SNI(Server Name Indication) 가 암호화되면서, 전통적인 심층 패킷 검사 (DPI) 는 무력화되었습니다.
• Transformer 기반 모델의 취약점: 암호화된 트래픽 분석을 위해 ET-BERT 와 같은 유클리드 공간 기반의 Transformer 모델이 도입되었으나, 이는 **적대적 변형 (Adversarial Morphing)**에 구조적으로 취약합니다.
  • Pre-padding 공격: 패킷 시작 부분에 무작위 바이트를 주입하는 공격으로 ET-BERT 의 정확도를 25.68% 까지 떨어뜨릴 수 있습니다.
  • 암호학적 모방 (Cryptographic Mimicry): VLESS Reality 와 같은 도구는 합법적인 TLS 1.3 WebSockets 를 정교하게 모방하여 인증서 기반 탐지를 우회합니다.
  • Manifold Shattering: 적대자가 시간적 분포를 조작하여 정상 트래픽의 "Fat Middle(중앙부)"에 악성 트래픽을 고정시키는 기법으로, 기존 연속 시간 모델들을 우회합니다.

2. 방법론 (Methodology)

AEGIS 는 페이로드 바이트를 전혀 분석하지 않고, **6 차원 연속 시간 흐름 물리학 (Flow Physics)**과 비유클리드 기하학을 기반으로 한 새로운 패러다임을 제시합니다.

핵심 아키텍처: TVD-HL-SSM

• 6 차원 흐름 물리 추출: 페이로드 바이트를 배제하고 다음 6 가지 물리적 특징만 추출합니다.
  1. 패킷 볼륨 (Size)
  2. 도착 간격 시간 (Inter-Arrival Time, IAT) - 마이크로초 단위
  3. 방향성 (Directionality)
  4. TCP 윈도우 크기 (Window Size)
  5. TCP 플래그 (Flags)
  6. 페이로드 비율 (Payload Ratio)
• 쌍곡선 포앙카레 매니폴드 (Hyperbolic Poincaré Manifold) 매핑:
  • 봇넷 토폴로지의 지수적 분기 구조를 유클리드 공간이 아닌 쌍곡선 공간에 투영하여 구조적 왜곡과 그래디언트 폭발을 방지합니다.
• 리퀴드 타임-컨스턴트 (Liquid Time-Constants, LTC):
  • IAT 의 감쇠를 마이크로초 단위로 측정하여 자동화된 C2(명령 및 제어) 터널의 결정론적 경직성을 포착합니다.
• 열역학적 분산 감지 (Thermodynamic Variance Detection, TVD):
  • 시퀀스 전체의 Shannon Entropy 를 계산합니다. 자동화된 우회 도구는 자연스러운 확률적 변동 (Stochastic Variance) 이 부족하여 열역학적 이상 (Anomaly) 을 발생시킵니다.
• 고성능 구현:
  • eBPF & Zero-Copy IPC: C++ eBPF 를 사용하여 NIC 에서 직접 트래픽을 수집하고, 공유 메모리를 통해 Python GIL(글로벌 인터프리터 잠금) 을 우회합니다.
  • Mamba-3 Core: O(N) 복잡도의 선형 시간 상태 공간 모델 (SSM) 을 사용하여 Transformer 의 O(N²) 병목 현상을 해결합니다. TileLang 을 통해 JIT 컴파일되어 RTX 4090 에서 초당 64,000 패킷을 처리합니다.

3. 주요 기여 (Key Contributions)

1. TVD-HL-SSM 아키텍처 제안: 쌍곡선 임베딩, 리퀴드 타임-컨스턴트, 하드웨어 인식형 Mamba-3 코어를 융합하여 유클리드 기반 모델의 취약점을 해결했습니다.
2. 열역학적 엔트로피 탐지: 화이트박스 'Manifold Shattering' 공격에 대응하기 위해 숨은 상태의 Shannon Entropy 를 계산하여 자동화된 우회 터널의 비자연적 경직성을 식별합니다.
3. Zero-Trust 적대적 코퍼스 구축: 400GB 규모의 4 단계 적대적 데이터셋 (전 태평양 백본 트래픽, IoT 봇넷, 제로데이 루트킷, VLESS Reality 모방 트래픽) 을 구축하여 엄격한 제로 트러스트 환경에서 모델을 평가했습니다.
4. 실시간 성능 검증: 소비자용 GPU(RTX 4090) 에서 초당 4 천만 패킷 (40 Mpps) 처리가 가능한 이론적 한계를 설정하고, 1.6ms 의 집계 지연 시간을 달성했습니다.

4. 실험 결과 (Results)

400GB 규모의 4 단계 적대적 코퍼스를 기반으로 한 평가 결과입니다.

• 성능 지표:
  • F1-Score: 0.9952
  • True Positive Rate (TPR): 99.50% (57,838 개 이상 중 57,551 개 탐지)
  • False Positive Rate (FPR): 0.2141% (경고 피로도를 크게 낮춤)
  • 추론 지연 시간: 262.27 µs (단일 시퀀스 기준)
• 적대적 강건성:
  • 가우시안 노이즈 주입 테스트: 10% 노이즈까지는 F1-Score 0.9753 을 유지했으나, 15% 이상에서는 성능이 급격히 하락 (0.5939) 하여 모델의 물리적 한계를 확인했습니다. (실제 적대자가 15% 이상의 IAT 노이즈를 유지하는 것은 C2 채널 무결성을 해치므로 현실적으로 불가능함)
  • VLESS Reality 우회: 인간이 직접 웹을 서핑하는 것과 같은 '인간 엔트로피'가 포함된 경우에만 탐지율이 1.17% 로 낮아졌으나, 이는 자동화된 고처리량 스크립트 기반 공격에 대해서는 100% 탐지됨을 의미합니다.
• 하드웨어 효율성: Mamba-3 아키텍처는 Mamba-1 대비 F1-Score 를 0.9604 에서 0.9952 로 향상시키고, 지연 시간을 2.1 배 단축했습니다.

5. 의의 및 결론 (Significance)

• 패러다임의 전환: AEGIS 는 "페이로드 읽기"에서 "흐름 물리학 측정"으로 네트워크 보안의 패러다임을 전환했습니다. 암호화된 페이로드를 해독할 필요 없이, 트래픽의 열역학적 및 기하학적 이상만으로도 고급 우회 공격을 탐지할 수 있음을 증명했습니다.
• 실용성: eBPF 와 Zero-Copy IPC 를 통해 Python 기반의 병목 현상을 제거하여, 기존 DPI 시스템보다 훨씬 높은 처리량 (Line-rate) 을 유지하면서도 실시간 탐지가 가능합니다.
• 이론적 한계 규명: 완전한 인간 모방 (Human Entropy Horizon) 을 통한 우회는 이론적으로 탐지 한계에 도달할 수 있음을 시사하지만, 이는 자동화된 고처리량 공격에는 적용되지 않으므로 실제 운영 환경에서 AEGIS 는 강력한 방패 역할을 합니다.
• 개방형 과학: 모델의 핵심 아키텍처는 상용화되지만, 6 차원 흐름 물리 매트릭스 (10GB) 는 연구 커뮤니티에 공개되어 열역학적 분산 이론의 재현성을 보장합니다.

요약하자면, AEGIS 는 암호화된 트래픽 분석에서 적대적 변형과 암호학적 모방에 취약한 기존 AI 모델을 극복하기 위해, 비유클리드 기하학과 열역학 원리를 적용한 차세대 네트워크 면역 시스템입니다.