Blockchain-focused Cyber Security for the Detection and Protection of Denial of Service (DoS) Attacks

기술 요약: DoS(서비스 거부) 공격의 탐지 및 보호를 위한 블록체인 중심 사이버 보안

문제 정의
본 논문은 클라이언트-서버 네트워크 아키텍처가 DoS 공격에 대해 갖는 증가하는 취약성을 다룬다. 방화벽, 안티바이러스 소프트웨어, 침입 탐지 시스템(IDS), 그리고 기존의 인공지능(AI), 머신러닝(ML), 딥러닝(DL) 모델을 포함한 전통적인 사이버 보안 메커니즘은 불충분한 것으로 식별되었다. 저자들은 이러한 기존 시스템들이 중앙 집중식 구조에 크게 의존하며, 이로 인해 단일 장애점(single point of failure)을 생성하여 악의적인 행위자들의 매력적인 표적이 된다고 주장한다. 또한, 현재의 ML 및 DL 모델은 DoS 공격을 '탐지'하는 데는 능력을 보여주지만, 네트워크 중단을 방지하거나 공격으로부터 능동적으로 '보호'하는 내재적 능력은 부족한 경우가 많다. 본 연구는 제한된 데이터셋 사용, 좁은 공격 범위, 오분류 문제(예: UDP와 NetBIOS를 혼동함), 그리고 통합된 예방 메커니즘의 부재를 포함한 이전 연구의 격차를 강조한다.

방법론
본 연구는 블록체인 기술을 표준 클라이언트-서버 네트워크 계층과 결합하여 탈중앙화된 방어 시스템을 구축하는 하이브리드 프레임워크를 제안한다. 방법론은 다음과 같은 핵심 구성 요소를 포함한다:

1. 개념적 프레임워크: 허가형(permissioned) 블록체인 계층이 클라이언트 요청 소스와 서버 사이에 위치한다. 이 계층은 필터이자 가드 역할을 한다. 모든 유입되는 요청은 클라이언트-서버 계층으로 전달되기 전에 반드시 블록체인 네트워크에 의해 인증되고 검증되어야 한다.
2. 스마트 계약 로직: 핵심 보호 메커니즘은 특정 임계값(IP당 초당 1,000개의 요청으로 설정)이 프로그래밍된 스마트 계약에 의존한다. 만약 단일 IP가 이 임계값을 초과하면, 스마트 계약은 이를 DoS 공격으로 자동 식별하고 해당 IP 주소를 차단한다.
3. 머신러닝 통합: 탐지를 최적화하기 위해, 저자들은 CIC-DDoS2019 데이터셋을 사용하여 8가지 서로 다른 모델(ANN, CNN, KNN, LSTM, SVM, Random Forest, 그리고 두 가지 하이브리드 모델)을 훈련하고 평가하였다. 데이터셋은 클래스 불균형을 처리하기 위해 SMOTE 기법을 사용하여 전처리되었다.
4. 시뮬레이션 환경: 프로토타입은 Ganache(로컬 이더리움 블록체인 에뮬레이션용), Truffle, Solidity(스마트 계약용), NS-3(네트워크 시뮬레이션용), 그리고 다양한 IDE(Google Colab, VSCode, Jupyter)의 조합을 사용하여 구현되었다. 실시간 트래픽, 차단된 IP, 시스템 메트릭을 시각화하기 위한 맞춤형 대화형 대시보드가 개발되었다.

주요 기여

• 탈중앙화된 보호 아키텍처: 본 논문은 블록체인 계층이 불변의 탈중앙화된 게이트키퍼 역할을 수행하여, 악의적인 트래픽이 중앙 서버에 도달하는 것을 방지하는 모델을 도입한다.
• 자동화된 완화: 탐지만 수행하는 전통적인 시스템과 달리, 이 프레임워크는 사전 프로그래밍된 규칙에 따라 차단 동작을 자동으로 실행하는 스마트 계약을 활용함으로써 공격의 영향을 최소화한다.
• 포괄적인 평가: 본 연구는 단순한 탐지 정확도를 넘어선 평가 지표를 포함한다. 여기에는 DoS 공격 최소화, 예방 능력, 지연 시간(latency), 처리량(throughput), CPU/메모리 사용률, 그리고 AUC/ROC 곡수가 포함된다.
• 모델 비교: 본 연구는 이 특정 블록체인 맥락 내에서 DoS 탐지에 가장 효과적인 알고리즘을 식별하기 위해 8가지 ML/DL 모델에 대한 비교 분석을 제공한다.

결과
CIC-DDoS2019 데이터셋에 기반한 실험 결과는 다음과 같다:

• 최고 성능 모델: 합성곱 신경망(CNN) 모델이 다른 모델들(Random Forest, XGBoost 및 하이브리드 모델 포함)에 비해 우수한 성능을 입증하였다.
• 정확도 및 예방: CNN 모델은 **98.3%**의 DoS 공격 탐지 정확도와 **100%**의 예방/최소화 능력을 달성하였다. 반면, Random Forest와 같은 다른 모델들은 높은 탐지 정확도(99%)를 보였으나 예방 능력(83.83%)은 더 낮았다.
• 성능 지표: 시스템은 테스트된 모델 전체에서 약 48.48밀리초의 평균 지연 시간을 나타냈다. CNN 모델은 모든 클래스에 대해 1의 완벽한 AUC(Area Under Curve) 값을 보여 순수한 분류 능력을 나타냈다.
• 시뮬레이션 결과: 시뮬레이션 환경에서 클라이언트 요청이 1,000개 임계값을 초과했을 때, 시스템은 공격을 성공적으로 식별하고 스마트 계약을 통해 소스 IP를 차단하였으며, 대화형 대시보드에 시각화된 바와 같이 트래픽 부하를 감소시켰다.

의의 및 주장
저자들은 본 연구가 중앙 집중식 사이버 보안 시스템의 한계에 대한 강력한 솔루션을 제공한다고 주장한다. 블록체인의 탈중앙화 및 불변성을 활용함으로써, 제안된 프레임워크는 이상 징징을 탐지할 뿐만 {만 아니라 서비스 중단을 능동적으로 방지한다. 본 논문은 고정밀 ML 모델(특히 CNN)과 블록체인 스마트 계약의 통합이 클라이언트-서버 네트워크를 DoS 공격으로부터 보호하기 위한 "훌륭한 선택"임을 단언한다.

본 연구는 제안된 모델이 시뮬레이션에서는 매우 효과적이지만, 그 잠재력을 온전히 발휘하기 위해서는 실제 환경에서의 구현이 필요하다고 결론짓는다. 저자들은 현재 CIC-DDoS2019 데이터셋에 대한 의존도가 크기(데이터 크기 및 클래스 불균형 문제)를 언급하며, 향-후 연구를 위해 더 균형 잡힌 경량 데이터셋의 개발을 권장한다는 점을 겸허히 밝히고 있다. 또한, 이 솔루션을 실제 환경에 배포하려면 상당한 하드웨어 및 소프트웨어 자원이 필요함을 인정한다.