그래프 데이터베이스 환경에서 이상징후 탐지를 위한 연관 관계 분석 기법
Association Analysis for Detecting Abnormal in Graph Database Environment
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
4차 산업 혁명과 데이터 환경의 급격한 변화는 기존 관계형 데이터베이스(RDB)는 기술적 한계를 드러내고 있다. IDC/금융/보험 등 전 분야에서 비정형 데이터에 대한 새로운 분석방안으로 그래프 데이터베이스(GDB) 기술에 관심이 높아지고 있다. 그래프 데이터베이스는 상호 연동된 데이터를 표현하고 광범위한 네트워크에서 연관 관계 분석에 효율적인 기술이다. 본 연구는 기존 RDB를 GDB 모델로 확장하고, 새로운 이상징후 탐지를 위해 기계학습 알고리즘(패턴인식, 클러스터링, 경로거리, 핵심추출)을 적용하였다. 성능분석 결과 이상 행위 성능(약 180배 이상)이 크게 향상되었고, RDB로 분석 불가능한 5단계 이후 이상징후 패턴을 추출할 수 있음을 확인하였다.
Abstract
The 4th industrial revolution and the rapid change in the data environment revealed technical limitations in the existing relational database(RDB). As a new analysis method for unstructured data in all fields such as IDC/finance/insurance, interest in graph database(GDB) technology is increasing. The graph database is an efficient technique for expressing interlocked data and analyzing associations in a wide range of networks. This study extended the existing RDB to the GDB model and applied machine learning algorithms (pattern recognition, clustering, path distance, core extraction) to detect new abnormal signs. As a result of the performance analysis, it was confirmed that the performance of abnormal behavior(about 180 times or more) was greatly improved, and that it was possible to extract an abnormal symptom pattern after 5 steps that could not be analyzed by RDB.
참고문헌 (19)
- 김 종 율, "공공 데이터를 활용한 대학생 진로 조언을 위한 그래프데이터베이스 기반 지식베이스 구축", 전자공학회논문지, 56(10), pp.41~48 (2019), 대한전자공학회
- S. Srivastava, "Graph Based Analysis of Panama Papers", 2018 Fifth International Conference on Parallel, Distributed and Grid Computing (PDGC) IEEE, pp.822~827 (2018)
- L. Zhuhadar, "Leveraging learning innovations in cognitive computing with massive data sets : Using the offshore Panama papers leak to discover patterns", Computers in Human Behavior, 92, pp.507~518 (2019)[DOI]
- 배석민, "관계형데이터를 이용한 그래프 데이터베이스의 모델별 구조 분석과 쿼리 성능 비교 연구", 멀티미디어학회논문지, 22(9), pp.1036~1045 (2019), 한국멀티미디어학회[DOI]
- 이강윤, "글로벌 AI 플랫폼 솔루션 서비스와 발전 방향", 한국빅데이터학회 학회지, 2(2), pp.9~16 (2017), 사)한국빅데이터학회[DOI]
- 송경태, "Key-value 데이터베이스를 활용한 빅데이터 처리 플랫폼의 동향 분석", 한국지식정보기술학회 논문지, 12(1), pp.47~57 (2017), 한국지식정보기술학회[DOI]
- N. Roy-Hubara, "Modeling graph database schema", IT Professional(Magazin) IEEE, 19(6), pp.34~43 (2017)[DOI]
- R. Angles, "Foundations of modern query languages for graph databases", ACM Computing Surveys (CSUR), 50(5), pp.1~40 (2017)[DOI]
- "Graph Databases for Beginners: Why Graph Technology Is the Future" (2018)[URL]
- J. Pokorný, "Integration of relational and graph databases functionally", Foundations of Computing and Decision Sciences, 44(4), pp.427~441 (2019)[DOI]
- K. Wongsuphasawat, "Visualizing dataflow graphs of deep learning models in tensorflow", IEEE transactions on visualization and computer graphics, 24(1), pp.1~12 (2017)[DOI]
- 박우창, "그래프 데이터베이스에서 패턴 질의 성능 향상을 위한 is-a 모델링 방법", 한국컴퓨터정보학회논문지, 25(4), pp.123~131 (2020), 한국컴퓨터정보학회[DOI]
- 박우창, "추천 상품 시각화를 위한 그래프 데이터베이스 활용", 한국정보기술학회논문지, 15(6), pp.1~9 (2017), 한국정보기술학회[DOI]
- 박상민, "사이버공격 의도분석을 통한 공격유형 분류에 관한 연구 - 사이버공격의 정치·경제적 피해분석을 중심으로 -", 정보보호학회논문지, 27(1), pp.103~113 (2017), 한국정보보호학회[DOI]
- M. Abd Majid, "Success Factors for Cyber Security Operation Center (SOC) Establishment", Conference: Proceedings of the 1st International Conference on Informatics, Engineering, Science and Technology (2019)
- W. Tounsi, "A survey on technical threat intelligence in the age of sophisticated cyber attacks", Journal of ScienceDirect(Computers & security), 72, pp.212~233 (2018)[DOI]
- 이재성, "기업의 빅데이터 적용방안 연구 －A사, Y사 빅데이터 시스템 적용 사례－", 인터넷정보학회논문지, 15(1), pp.103~112 (2014), 한국인터넷정보학회[DOI]
- D. Fernandes, "Graph Databases Comparison: AllegroGraph, ArangoDB, InfiniteGraph, Neo4J, and OrientDB, Conference", 7th International Conference on Data Science, Technology and Applications, pp.373~380 (2018)
- "How Rakuten Reduced Database Management Spending by 90% through Clustrix implementation, Database Platform Group Global Infrastructure Development Dept. Rakuten, tech showcase" (2012)[URL]