KR20160077009A - 유저 행위 식별 방법 및 유저 행위 식별 장치, 프로그램 및 저장매체 - Google Patents

유저 행위 식별 방법 및 유저 행위 식별 장치, 프로그램 및 저장매체 Download PDF

Info

Publication number
KR20160077009A
KR20160077009A KR1020157016876A KR20157016876A KR20160077009A KR 20160077009 A KR20160077009 A KR 20160077009A KR 1020157016876 A KR1020157016876 A KR 1020157016876A KR 20157016876 A KR20157016876 A KR 20157016876A KR 20160077009 A KR20160077009 A KR 20160077009A
Authority
KR
South Korea
Prior art keywords
access
time
space
sliding window
predetermined
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
KR1020157016876A
Other languages
English (en)
Other versions
KR101677217B1 (ko
Inventor
화 장
이 시아
띵쿤 홍
하이조우 왕
Original Assignee
시아오미 아이엔씨.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 시아오미 아이엔씨. filed Critical 시아오미 아이엔씨.
Publication of KR20160077009A publication Critical patent/KR20160077009A/ko
Application granted granted Critical
Publication of KR101677217B1 publication Critical patent/KR101677217B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1425—Traffic logging, e.g. anomaly detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H04L63/108—Network architectures or network communication protocols for network security for controlling access to devices or network resources when the policy decisions are valid for a limited amount of time
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/10—Active monitoring, e.g. heartbeat, ping or trace-route
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H04L63/1458—Denial of Service
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2133—Verifying human interaction, e.g., Captcha
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2463/00—Additional details relating to network architectures or network communication protocols for network security covered by H04L63/00
    • H04L2463/121—Timestamp
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2463/00—Additional details relating to network architectures or network communication protocols for network security covered by H04L63/00
    • H04L2463/142—Denial of service attacks against network infrastructure
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2463/00—Additional details relating to network architectures or network communication protocols for network security covered by H04L63/00
    • H04L2463/144—Detection or countermeasures against botnets

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Storage Device Security (AREA)
  • Debugging And Monitoring (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 악의적인 행위를 보다 더 효과적으로 보다 더 정확하게 식별하기 위한 유저 행위 식별 방법 및 유저 행위 식별 장치에 관한것이다. 상기 방법은 소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득하는 스텝과,상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝과, 그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝을 포함한다.

Description

유저 행위 식별 방법 및 유저 행위 식별 장치{ Method and Device for Identifying User Behavior }
본 발명은 통신 및 컴퓨터 처리 기술 분야에 관한 것이며, 특히 유저 행위 식별 방법 및 유저 행위 식별 장치에 관한 것이다.
본 출원은, 출원 번호가CN201410708281. 6이며, 출원일이 2014월 11월 27일인 중국 특허 출원을 기초로 우선권을 주장하고, 당해 중국 특허 출원의 모든 내용을 본원에 원용한다.
인터넷의 발전에 수반해 네트워크를 통한 자원 공유화가 실현되었다. 사람들은 네트워크를 통하여 풍부한 정보를 신속하고 편리하게 취득하는 것이 가능하게 되었다. 하지만, 많은 웹 사이트들이 사람들에게 정보를 제공하는 한편, 악의적인 공격등에 노출되고 있다.
본 발명의 발명자는, 종래 기술에 있어서, 짧은 시간내에 웹 사이트에 데이터 패킷을 빈번히 송신하는 등 악의적인 공격 방식을 발견했다. 이러한 현상은 상품을 다투어 살 때 늘 발생하는 현상으로써, 짧은 시간 내에 빈번히 웹 사이트에 액세스 하여 할인 상품을 다투어 사는 현상이다. 이러한 고빈도의 액세스 행위는, 통상 상품을 다투어 사기 위하여 개발된 소프트웨어에 의해 실현되며, 수동 조작에 의해 높은 빈도의 액세스를 실현할 수 없다. 종래 기술에 있어서, 해당 악의적인 행위를 저지하는 수단이 없는 것은 아니지만, 그 저지 효과가 이상적이 못된다. 따라서, 어떻게 하면 악의적인 유저 행위를 보다 효과적으로 식별할 수 있는 지는 시급하게 해결해야 할 문제이다.
본 발명은, 종래 기술에 존재하는 상기와 같은 문제를 해결하기 위하여 유저 행위 식별 방법 및 유저 행위 식별 장치를 제공한다.
본 발명의 제1 양태에 따르면,
소정의 시공간 슬라이딩 윈도우(time sliding window)내의 단말기에 의한 액세스(access) 행위를 취득하는 스텝과,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝과,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝을 포함하는 유저 행위 식별 방법을 제공한다.
본 발명의 실시예에 따른 기술방안에 의하면, 유저(user)의 액세스 행위를 시공간 슬라이딩 윈도우를 이용해 모니터링 하여 액세스 행위를 평가하는 것을 통하여 유저의 액세스 행위가 악의적인 것인지를 판단하는 유익한 효과를 얻을 수 있다.
일 실시예에 있어서,
상기 시공간 슬라이딩 윈도우는 m개로 등분 된 타임 슬라이스(time slice)를 포함하고,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은
타임 슬라이스내의 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는지를 타임 슬라이스마다 판단하여, 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는 n개의 타임 슬라이스를 취득하는 스텝과,
n와 m의 비례가 소정의 제1 비례 역치를 초과하는지 여부를 판단하는 스텝
을 포함하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝은
n와 m의 비례가 소정의 제1 비례 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 스텝을 포함한다.
본 발명의 실시예에 따른 기술방안에 의하면, 각 타임 슬라이스내의 액세스 행위를 모니터링하여 액세스 횟수가 지속적으로 높은 수치를 검사하는 것을 통하여 액세스 행위가 악의적인 행위인지를 판단하므로, 그 평가 결과가 더욱 정확할 수 있다는 유익한 효과를 얻을 수 있다.
일 실시예에 있어서,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은
상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하는 스텝과,
취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하는 스텝과,
상기 시간 분산이 소정의 분산 역치를 초과하는지 여부를 판단하는 스텝
을 포함하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝은
상기 시간 분산이 소정의 분산 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 스텝을 포함한다.
본 발명의 실시예에 따른 기술방안에 의하면, 시간 간격의 분산을 산출하는 것을 통하여 액세스 행위가 고정된 빈도로 발생하는지 여부를 판단하고, 액세스 행위가 고정된 빈도로 발생하는 경우, 당해 액세스 행위가 유저에 의한 행위가 아니라 소프트웨어에 의한 행위라고 판단할 수 있으므로, 악의적인 행위를 더욱 정확하게 식별할 수 있다는 유익한 효과를 얻을 수 있다.
일 실시예에 있어서,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은
상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하는 스텝과,
취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하는 스텝과,
상기 시간 분산과 시간 간격의 평균치의 비율을 산출하는 스텝과,
상기 비율이 소정의 제2 비례 역치보다 작은지 여부를 판단하는 스텝
을 포함하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝은
상기 비율이 소정의 제2 비례 역치보다 작은 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 스텝을 포함한다.
본 발명의 실시예에 따른 기술방안에 의하면, 분산과 시간 간격의 평균치를 더 비교하는 것을 통하여 악의적인 행위를 더욱 정확하게 식별할 수 있다는 유익한 효과를 얻을 수 있다.
일 실시예에 있어서,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은
상기 시공간 슬라이딩 윈도우내의 액세스 행위의 총횟수를 취득하는 스텝과,
상기 총횟수가 소정의 총횟수 역치를 초과하는지 여부를 판단하는 스텝과,
그 판단 결과에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝을 포함한다.
본 발명의 실시예에 따른 기술방안에 의하면, 상기 기술방안의 기초상에서 액세스 행위의 총횟수를 이용하여 액세스 행위를 더 한층 평가하는 것을 통하여 악의적인 행위를 더욱 정확하게 식별할 수 있다는 유익한 효과를 얻을 수 있다.
본 발명의 제2 양태에 따르면,
소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득하기 위한 취득 모듈과,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하기 위한 평가 모듈과,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하기 위한 판단 모듈을 포함하는 유저 행위 식별 장치를 제공한다.
일 실시예에 있어서,
상기 시공간 슬라이딩 윈도우는 m개로 등분 된 타임 슬라이스를 포함하고,
상기 평가 모듈은
타임 슬라이스내의 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는지를 타임 슬라이스마다 판단하여, 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는 n개의 타임 슬라이스를 취득하기 위한 타임 슬라이스 서브모듈과,
n와 m의 비례가 소정의 제1 비례 역치를 초과하는지 여부를 판단하기 위한 제1 비례 서브모듈
을 포함하고,
상기 판단 모듈은
n와 m의 비례가 소정의 제1 비례 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단한다.
일 실시예에 있어서,
상기 평가 모듈은
상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하기 위한 간격 서브모듈과,
취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하기 위한 분산 서브모듈과,
상기 시간 분산이 소정의 분산 역치를 초과하는지 여부를 판단하기 위한 제1 평가 서브모듈
을 포함하고,
상기 판단 모듈은
상기 시간 분산이 소정의 분산 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단한다.
일 실시예에 있어서,
상기 평가 모듈은
상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하기 위한 간격 서브모듈과,
취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하기 위한 분산 서브모듈과,
상기 시간 분산과 시간 간격의 평균치의 비율을 산출하기 위한 비율 서브모듈과,
상기 비율이 소정의 제2 비례 역치보다 작은지 여부를 판단하기 위한 제2 비례 서브모듈
을 포함하고,
상기 판단 모듈은
상기 비율이 소정의 제2 비례 역치보다 작은 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단한다.
일 실시예에 있어서,
상기 평가 모듈은
상기 시공간 슬라이딩 윈도우내의 액세스 행위의 총횟수를 취득하기 위한 총횟수 서브모듈과,
상기 총횟수가 소정의 총횟수 역치를 초과하는지 여부를 판단하기 위한 총횟수 판단 서브모듈과,
그 판단 결과에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하기 위한 제 2의 평가 서브모듈을 포함한다.
본 발명의 제3 양태에 따르면,
프로세서와,
프로세서에 의해 실행 가능한 인스트럭션을 저장하기 위한 메모리
를 포함하는 유저 행위 식별 장치를 제공하고,
상기 프로세서는
소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득하고,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하도록 구성된다.
이상의 일반적인 설명과 이하의 세부적인 설명은 예시적인 것으로서 본 발명에 대한 한정으로서 이해하여서는 아니 된다.
여기에 도시된 도면은, 명세서에 포함되어 명세서의 일부분을 구성하며 본 발명의 실시예에 대한 설명에 사용됨과 동시에 본 발명의 원리를 해석하기 위하여 사용된다.
도 1은 예시적인 일 실시예에 따른 유저 행위 식별 방법의 흐름도이다.
도 2는 예시적인 일 실시예에 따른 유저 행위 식별 방법의 흐름도이다.
도 3은 예시적인 일 실시예에 따른 유저 행위 식별 방법의 흐름도이다.
도 4는 예시적인 일 실시예에 따른 유저 행위 식별 장치의 블럭도이다.
도 5는 예시적인 일 실시예에 따른 평가 모듈의 블럭도이다.
도 6 A는 예시적인 일 실시예에 따른 평가 모듈의 블럭도이다.
도 6 B는 예시적인 일 실시예에 따른 평가 모듈의 블럭도이다.
도 7은 예시적인 일 실시예에 따른 평가 모듈의 블럭도이다.
도 8은 예시적인 일 실시예에 따른 장치의 블럭도이다.
이하, 도면을 참조하여 예시적인 실시예에 대해 상세하게 설명하기로 한다. 이하의 도면에 관한 설명에 있어서, 별도의 설명이 없는 이상, 서로 다른 도면상의 동일한 부호는 동일 또는 유사한 요소를 표시한다. 이하의 예시적 실시예에 대한 복수의 실시 형태는 본 발명과 관련되는 모든 실시 형태를 표시하는 것은 아니다. 이와 반대로, 이들은 첨부된 특허 청구의 범위에 기재되는 본 발명의 일부의 양태와 일치한 장치 및 방법의 예에 지나지 않는다.
현재, 네트워크상에서의 이벤트가 빈번히 진행됨에 따라 인터넷 점포는 기간 한정의 할인 이벤트를 빈번히 개최하고 있다. 유저(user)는 저가격 상품을 사기 위하여 짧은 시간내에 해당 점포의 웹 사이트(Web site)에 빈번히 액세스(access) 한다. 일부의 유저는 상품을 다투어 사기 위하여 개발된 소프트웨어를 이용해 구입 행위를 실행한다. 상품을 다투어 사기 위하여 개발된 소프트웨어는, 일반 유저보다 높은 액세스 빈도로 점포의 웹 사이트를 액세스 할 수 있다. 그러나, 상품을 다투어 사기 위하여 개발된 소프트웨어에 의한 액세스 행위는 일종의 악의적인 행위로써 웹 사이트가 일시적으로 열람 불가 상태가 되게 할 수 있다. 하나의 가능한 해결안으로서, 소정 시간내의 액세스 횟수가 소정의 역치를 초과하는지 여부를 판단하여, 만약 초과 할 경우, 악의적인 액세스 행위가 존재한다고 판단한다. 하지만, 당해 식별 방법은 비교적 간단하여, 당해 액세스 횟수가 유저의 행위에 의한 것인지, 아니면 상품을 다투어 사기 위하여 개발된 소프트웨어에 의한 것인지를 정확하게 식별할 수 없으며 그 식별 결과가 정확하지 않다.
본 실시예에서는, 이러한 문제를 해결하기 위하여, 단말기에 의한 액세스 행위를 시공간 슬라이딩 윈도우(time sliding window)에서 모니터링 하는 것을 통하여 단말기에 의한 액세스 행위가 악의적인 것인지를 정확하게 식별할 수 있다.
본 실시예에 따른 시공간 슬라이딩 윈도우는 다이나믹 시공간 윈도우(dynamic time window)이고, 그 길이는 일정하며 예를 들면 3600초이다. 당해 시공간 슬라이딩 윈도우는 그 종료 위치가 항상 현재 시간이기에, 당해 시공간 슬라이딩 윈도우는 시간의 경과에 따라 이동한다.
종래 기술중의 소정 시간 길이에 따라 액세스 횟수를 검출하는 기술방안으로서, 예를 들면, 소정 시간 길이가 1000초이며, 0~1000초 사이에 1회 검출하고, 1001~2000초 사이에 1회 검출하며, 그 이후는 마찬가지 방식으로 검출을 반복한다. 하지만, 이와 같은 경우, 500~1500초 사이에 발생하는 액세스 행위는 검출할 수 없다. 때문에, 본 실시예에서는, 시공간 슬라이딩 윈도우의 이동에 수반해 리얼타임으로 검출을 실시하도록 한다. 예를 들면, 시공간 슬라이딩 윈도우는 그 소정 시간 길이가 1000초이며, 0~1000초 사이에 1회 검출하고, 1~1001초 사이에 1회 검출하며, 2~1002초 사이에 1회 검출하고, 그 이후는 마찬가지 방식으로 검출을 반복한다. 본 실시예에서는, 종래 기술방안과 비교하여 그 검출 결과가 더욱 정확하고 악의적인 행위를 더욱 정확하게 식별할 수 있다.
도 1은 예시적인 일 실시예에 따른 유저 행위 식별 방법의 흐름도이다. 당해 방법은 서버에 의해 실현되며, 도 1에 되시된 바와 같이 이하의 스텝을 포함한다.
스텝 101에서는 소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득한다.
스텝 102에서는 상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가한다.
스텝 103에서는 그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단한다.
본 실시예에서는, 단말기에 의한 액세스 행위를 시공간 슬라이딩 윈도우내에서 리얼타임으로 모니터링 할 수 있고, 또한 일정 시간내의 액세스 행위를 모니터링 하여 액세스 행위가 악의적인지를 평가할 수 있으므로, 그 식별 결과가 더욱 정확하다. 본 실시예에서는, 단일 단말기의 행위에 대하여 모니터링 밑 평가를 하고 있는데, 이 단말기는 유저명, IP(인터넷 프로토콜) 주소 또는 MAC(매체 액세스 제어) 주소등에 의해 확정할 수 있다.
악의적인 액세스의 존재가 식별되면, 예를 들어 단말기에 검증 코드를 송신하도록 요구하고, 또는 당해 유저(또는 당해 단말기)에 의한 액세스를 일시적으로 차단하고, 또는 당해 유저를 블랙 리스트에 기입하여 당해 유저의 액세스를 영원히 거부하고, 또는 경고 메시지를 유저에게 송신하는 등 복수 종류의 수단을 채용할 수 있다.
일 실시예에서, 스텝 102는 스텝 A로서 실현된다.
스텝 A에서는, 상기 시공간 슬라이딩 윈도우중의 각 타임 슬라이스내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가한다.
본 실시예에서는, 시공간 슬라이딩 윈도우를 동일 길이(등분)의 복수의 타임 슬라이스로 세분한다. 예를 들어, 시공간 슬라이딩 윈도우의 소정 시간 길이가 3600초이며, 10개의 타임 슬라이스를 포함한 경우, 각 타임 슬라이스의 시간 길이는 360초이다. 본 실시예에서는, 타임 슬라이스를 단위로 하여 유저의 액세스 행위를 모니터링 하는 것을 통하여 모니터링의 입도를 더욱 축소시킬 수 있어 악의적인 행위를 더욱 정확하게 식별할 수 있다. 또한, 본 실시예에서는, 각 타임 슬라이스내의 액세스 행위 및 시공간 슬라이딩 윈도우내의 전체 액세스 행위에 근거하여 평가를 실시하기 때문에 그 평가 결과가 더욱 정확하다.
일 실시예에서, 스텝 A는 스텝 A1와 스텝 A2를 포함한다.
스텝 A1에서, 각 타임 슬라이스에 대하여, 타임 슬라이스내의 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는지 여부를 판단하여, 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는 n개의 타임 슬라이스를 취득한다.
스텝 A2에서, n와 타임 슬라이스 총수량 m의 비례가 소정의 제1 비례 역치를 초과하는지 여부를 판단한다.
스텝 103은 스텝 A3로서 실현될 수 있다.
스텝 A3에서, n와 m의 비례가 소정의 제1 비례 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단한다.
즉, 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는 타임 슬라이스를 결정한다. 타임 슬라이스 총수량 중 슬라이스 횟수 역치를 초과하는 타임 슬라이스 수량의 비례가, 소정의 제1 비례 역치를 초과하는지 여부를 판단한다. 그 판단 결과에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가한다.
본 실시예에서, 타임 슬라이스 총수량 중 슬라이스 횟수 역치를 초과하는 타임 슬라이스 수량의 비례가, 소정의 제1 비례 역치를 초과하는 경우, 액세스 횟수가 너무 높아 악의적인 액세스가 존재한다고 판단한다. 그렇지 아니한 경우, 악의적인 액세스가 존재하지 않는다고 판단한다.
예를 들면, 시공간 슬라이딩 윈도우(T)가 3600초의 시간 길이를 가지고, 10개의 타임 슬라이스 t1~t10를 포함하는 경우, 각 타임 슬라이스의 길이는 360초이다. 그리고 10개의 타임 슬라이스에 대응하는 액세스 횟수는 각각 t1=50, t2=60, t3=52, t4=55, t5=48, t6=56, t7=58, t8=54, t9=56, t10=57이다. 슬라이스 횟수 역치가 50이라고 하면, 타임 슬라이스 t5를 제외한 다른 9개의 타임 슬라이스에 대한 액세스 횟수는 모두 슬라이스 횟수 역치를 초과한다. 슬라이스 횟수 역치를 초과하는 타임 슬라이스의 수량이 타임 슬라이스 총수량중에서 차지하는 비례는 9/10=90%로 산출된다. 제1 비례 역치가90%인 경우, 슬라이스 횟수 역치를 초과하는 타임 슬라이스의 수량이 타임 슬라이스 총수량중에서 차지하는 비례인 90%와 제1 비례 역치인90%를 비교하는 것을 통하여 액세스 행위를 평가하며, 당해 시공간 슬라이딩 윈도우(T)내에 악의적인 액세스 행위가 존재한다고 판단할 수 있다.
일 실시예에서, 스텝 102는 기술방안 B에 의해서도 실현될 수 있다.
기술방안 B 중,
스텝 B1에서, 상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득한다.
스텝 B2에서, 취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출한다.
스텝 B3에서, 상기 시간 분산에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가한다. 여기서, 상기 시간 분산이 소정의 분산 역치를 초과하는지 여부를 판단한다.
스텝 103에서, 상기 시간 분산이 소정의 분산 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단한다.
본 실시예에서는, 시간 분산을 소정의 분산 역치와 비교하여, 소정의 분산 역치보다 큰 경우, 분산이 비교적 큰 것을, 즉 액세스 행위의 시간 간격의 변동이 비교적 큰 것을 나타내고 있으므로, 당해 액세스 행위가, 상품을 다투어 사기 위하여 개발된 소프트웨어에 의한 행위가 아니고, 유저에 의한 행위이라고 판단할 수 있고, 또한 악의적인 행위가 존재하지 않는다고 판단할 수 있다. 이와 반대로, 소정의 분산 역치 이하인 경우, 악의적인 행위가 존재한다고 판단한다.
예를 들면, 상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격 x1, x2, x3 … xn를 취득한다. 이 경우, 이하의 식에 의해 분산을 산출할 수 있다.
Figure pct00001
여기서,
Figure pct00002
는 x1~xn의 평균치이며, s는 산출하려고 하는 분산치이다.
일 실시예에서, 기술방안 B는 스텝 A1~A3와 조합하여 실시 할 수 있다. 예를 들면, 각 타임 슬라이스에 대응하는 분산을 산출하여 분산이 분산 역치보다 큰 타임 슬라이스를 확정하고, 분산이 분산 역치보다 큰 타임 슬라이스의 수량과 타임 슬라이스 총수량의 비례를 결정한 후 당해 비례를 제1 비례 역치와 비교하여, 악의적인 액세스가 존재하는지를 판단한다.
일 실시예에서, 기술방안 B를 더 개량할 수 있다. 스텝 B3는 스텝 B31 및 B32를 포함할 수 있다.
상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득한다.
취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출한다.
스텝 B31에서, 상기 시간 분산과 시간 간격의 평균치의 비율을 산출한다.
스텝 B32에서, 상기 비율이 소정의 제2 비례 역치보다 작은지 여부를 판단한다. 그 판단 결과에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가한다.
스텝 103은 스텝 B33로서 실현된다.
스텝 B33에서, 상기 비율이 소정의 제2 비례 역치보다 작은 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단한다.
본 실시예에서, 시간 분산과 시간 간격의 평균치의 비율이 소정의 제2 비례 역치를 초과하면, 당해 시간 분산을 가지는 시간 간격은 시간 간격의 평균치에 매우 접근하는 값이기에, 당해 액세스 행위가 상품을 다투어 사기 위하여 개발된 소프트웨어에 의한 행위이며, 악의적인 액세스가 존재한다고 판단할 수 있다. 그렇지 아니한 경우, 당해 액세스 행위는 유저에 의한 행위이며, 악의적인 액세스가 존재하지 않는다고 판단할 수 있다.
예를 들면, 평균치 x가 1이며, 시간 분산이 0.5인 경우, 시간 분산과 평균치의 비례는50%이며, 소정의 제2 비례 역치100%보다 크다. 분산 0.5는 비교적 작기는 하지만 평균치 1에서 부터 떨어져 있는 정도가 비교적 크다.
또 예를 들면, 평균치 x가 10이며, 시간 분산이 0.5인 경우, 시간 분산과 평균치의 비례는5%이며, 소정의 제2 비례 역치10%보다 작다. 평균치 10이 비교적 크기 때문에, 시간 분산 0.5를 가지는 시간 간격은 평균치에 매우 접근하는 수치이다.
본 실시예에서, 분산과 평균치의 접근 정도(다른 면에서 보면, 떨어져 있는 정도라고도 할 수 있다)를 비교하는 것을 통하여 액세스 행위를 더욱 정확하게 평가할 수 있다.
일 실시예에서, 스텝 102는 기술방안 C로서 실현될 수 있다.
기술방안 C 중,
스텝 C1에서, 상기 시공간 슬라이딩 윈도우내의 액세스 행위의 총횟수를 취득한다.
스텝 C2에서, 상기 총횟수가 소정의 총횟수 역치를 초과하는지 여부를 판단한다.
스텝 C3에서, 그 판단 결과에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가한다.
본 실시예에서는, 시공간 슬라이딩 윈도우내의 액세스 행위의 총횟수가 총횟수 역치를 초과하면, 액세스량이 너무 많아 악의적인 액세스가 존재한다고 판단한다. 그렇지 아니한 경우, 악의적인 액세스가 존재하지 않는다고 판단한다.
일 실시예에서, 기술방안 C는 상기의 기술방안과 조합하여 실시할 수 있다. 스텝 A 또는 기술방안 B의 판단 결과의 기초 상에서, 기술방안 C의 판단을 실행하여, 각 기술방안의 판단결과 모두가 악의적인 액세스가 존재한다고 판단되었을 경우에만 악의적인 액세스가 존재한다는 결론을 내릴 수 있다.
이하, 몇개의 실시예를 통해서 유저 행위 식별 방법을 소개하도록 한다.
도 2는 예시적인 일 실시예에 따른 유저 행위 식별 방법의 흐름도이다. 당해 방법은 서버에 의해 실현되며, 도 2에 되시된 바와 같이 이하의 스텝을 포함한다.
스텝 201에서, 소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득한다.
스텝 202에서, 시공간 슬라이딩 윈도우중의 타임 슬라이스마다, 타임 슬라이스에 대응하는 액세스 횟수를 소정의 슬라이스 횟수 역치와 비교한다.
스텝 203에서, 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는 타임 슬라이스를 결정한다.
스텝 204에서, 슬라이스 횟수 역치를 초과하는 타임 슬라이스의 수량이 타임 슬라이스 총수량에서 차지하는 비례를 산출한다.
스텝 205에서, 산출된 비례가 소정의 제1 비례 역치를 초과하는지 여부를 판단한다. 소정의 제1 비례 역치를 초과하는 경우, 스텝 206으로 이동하고, 소정의 제1 비례 역치를 초과하지 않는 경우, 스텝 207으로 이동한다.
스텝 206에서, 악의적인 액세스가 존재한다고 판단한다.
스텝 207에서, 악의적인 액세스가 존재하지 않는다고 판단한다.
본 실시예에서는, 타임 슬라이스를 이용해 액세스 행위를 보다 세부적으로 모니터링 할 수 있다. 액세스 횟수를 작은 입도로 모니터링 하는 것을 통하여 악의적인 액세스가 존재하는 지를 더욱 정확하게 식별할 수 있다.
도 3은 예시적인 일 실시예에 따른 유저 행위 식별 방법의 흐름도이다. 당해 방법은 서버에 의해 실현되며, 도 3에 되시된 바와 같이 이하의 스텝을 포함한다.
스텝 301에서, 소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득한다.
스텝 302에서, 상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득한다.
스텝 303에서, 취득한 시간 간격에 근거하여 시간 간격의 평균치를 산출한다.
스텝 304에서, 취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출한다.
스텝 305에서, 상기 시간 분산과 시간 간격의 평균치의 비율을 산출한다.
스텝 306에서, 상기 비율이 소정의 제2 비례 역치보다 작은지 여부를 판단한다. 소정의 제2 비례 역치보다 작은 경우, 스텝 307으로 이동하고, 소정의 제2 비례 역치 이상인 경우, 스텝 308으로 이동한다.
스텝 307에서, 악의적인 액세스가 존재한다고 판단한다.
스텝 308에서, 악의적인 액세스가 존재하지 않는다고 판단한다.
본 실시예에서는, 분산을 이용하여 취득한 액세스 행위가 균일한 시간 간격으로 발생하였는지 여부를 판단한다. 그러한 경우, 유저에 의한 액세스 행위가 아니라 소프트웨어에 의한 액세스 행위라고 판단하며, 악의적인 액세스가 존재한다고 판단한다. 그렇지 아니한 경우, 악의적인 액세스가 존재하지 않는다고 판단한다. 당해 방법에 의하면, 악의적인 액세스 행위를 더욱 정확하게 식별할 수 있다.
이상의 설명에 의하여 서버에 의해 실현되는 유저 행위 식별 방법이 보다 더욱 명확하게 이해할수 있게 되었다. 이하, 장치의 내부 구조와 기능에 대해 소개하도록 한다.
도 4는 예시적인 일 실시예에 따른 유저 행위 식별 장치의 모식도이다. 도 4를 참조하면, 해당 장치는 취득 모듈(401), 평가 모듈(402) 및 판단 모듈(403)을 포함한다.
취득 모듈(401)은 소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득한다.
평가 모듈(402)은 상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가한다.
판단 모듈(403)은 그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단한다.
일 실시예에서, 상기 시공간 슬라이딩 윈도우는 m개로 등분 된 타임 슬라이스를 포함한다. 도 5에 되시된 바와 같이, 상기 평가 모듈(402)은 타임 슬라이스 서브모듈(4021)과 제1 비례 서브모듈(4028)을 포함한다.
타임 슬라이스 서브모듈(4021)은 타임 슬라이스내의 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는지를 타임 슬라이스마다 판단하여, 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는 n개의 타임 슬라이스를 취득한다.
제1 비례 서브모듈(4028)은 n와 m의 비례가 소정의 제1 비례 역치를 초과하는지 여부를 판단한다.
상기 판단 모듈(403)은 n와 m의 비례가 소정의 제1 비례 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단한다.
일 실시예에서, 도 6 A에 되시된 바와 같이, 상기 평가 모듈(402)은 간격 서브모듈(4022), 분산 서브모듈(4023) 및 제1 평가 서브모듈(4024)을 포함한다.
간격 서브모듈(4022)은, 상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득한다.
분산 서브모듈(4023)은 취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출한다.
제1 평가 서브모듈(4024)은 상기 시간 분산이 소정의 분산 역치를 초과하는지 여부를 판단한다.
상기 판단 모듈(403)은 상기 시간 분산이 소정의 분산 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단한다.
일 실시예에서, 타임 슬라이스 서브모듈(4021)은 간격 서브모듈(4022), 분산 서브모듈(4023) 및 제1 평가 서브모듈(4024)을 포함할 수도 있다.
일 실시예에서, 도 6 B에 되시된 바와 같이, 상기 평가 모듈(402)은 간격 서브모듈(4022), 분산 서브모듈(4023), 비율 서브모듈(4029)및 제2 비례 서브모듈(40210)을 포함한다.
간격 서브모듈(4022)은 상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득한다.
분산 서브모듈(4023)은 취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출한다.
비율 서브모듈(4029)는 상기 시간 분산과 시간 간격의 평균치의 비율을 산출한다.
제2 비례 서브모듈(40210)는 상기 비율이 소정의 제2 비례 역치보다 작은지 여부를 판단한다.
상기 판단 모듈(403)은 상기 비율이 소정의 제2 비례 역치보다 작은 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단한다.
일 실시예에서, 도 7에 되시된 바와 같이, 상기 평가 모듈(402)은 총횟수 서브모듈(4025), 총횟수 판단 서브모듈(4026) 및 제2 평가 서브모듈(4027)을 포함한다.
총횟수 서브모듈(4025)은 상기 시공간 슬라이딩 윈도우내의 액세스 행위의 총횟수를 취득한다.
총횟수 판단 서브모듈(4026)은 상기 총횟수가 소정의 총횟수 역치를 초과하는지 여부를 판단한다.
제2 평가 서브모듈(4027)은 그 판단 결과에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가한다.
상기 실시예에 따른 장치의 각 모듈에 의한 조작의 구체적인 형태에 관하여, 유저 행위 식별 방법에 관한 실시예에 대해 이미 상세하게 설명하고 있기에, 여기에서는 그 상세한 설명을 생략 하도록 한다.
도 8은 예시적인 일 실시예에 따른 유저 행위를 식별하기 위한 장치(800)의 블럭도이다. 예를 들면, 장치(800)는 컴퓨터로 제공될 수 있다. 도 8을 참조하면, 장치(800)는 1개 또는 복수의 프로세서를 포함하는 처리 어셈블리(822)와, 처리 어셈블리(822)에 의해 실행 가능한 예를 들면 응용 프로그램등과 같은 인스트럭션을 저장하기 위한 메모리(832)를 대표로 하는 메모리 자원을 포함한다. 메모리(832)에 저장되는 응용 프로그램은 각각 1셋트의 인스트럭션에 대응하는 1개 또는 복수의 모듈을 포함할 수 있다. 또한, 처리 어셈블리(822)는 인스트럭션을 실행할 수 있도록 구성되어, 상기의 유저 행위 식별 방법을 수행할 수 있다.
장치(800)는 장치(800)의 전원 관리를 수행하도록 구성되는 전원 어셈블리(826), 장치(800)을 네트워크에 접속시키기 위한 1개의 유선 또는 무선 네트워크 인터페이스(850), 1개의 입출력(I/O) 인터페이스(858)를 포함할 수 있다. 장치(800)는, 예를 들어 Windows ServerTM, Mac OS XTM, UnixTM, LinuxTM, FreeBSDTM 또는 이에 유사한 오퍼레이팅 시스템과 같은 메모리(832)에 저장된 오퍼레이팅 시스템을 구비할 수 있다.
프로세서와 프로세서에 의해 실행 가능한 인스트럭션을 저장하기 위한 메모리를 포함하는 유저 행위 식별 장치에 있어서,
상기 프로세서는,
소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득하고,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하도록 구성된다.
상기 프로세서는,
상기 시공간 슬라이딩 윈도우가 m개로 등분 된 타임 슬라이스를 포함하고,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 것이,
타임 슬라이스내의 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는지를 타임 슬라이스마다 판단하여, 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는 n개의 타임 슬라이스 취득하는 것과,
n와 m의 비례가 소정의 제1 비례 역치를 초과하는지 여부를 판단하는 것
을 포함하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 것이,
n와 m의 비례가 소정의 제1 비례 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 것
을 포함하도록 구성될 수 있다.
또한, 상기 프로세서는,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 것이,
상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하는 것과,
취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하는 것과,
상기 시간 분산이 소정의 분산 역치를 초과하는지 여부를 판단하는 것
을 포함하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 것이,
상기 시간 분산이 소정의 분산 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 것
을 포함하도록 구성될 수 있다.
상기 프로세서는,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 것이,
상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하는 것과,
취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하는 것과,
상기 시간 분산과 시간 간격의 평균치의 비율을 산출하는 것과,
상기 비율이 소정의 제2 비례 역치보다 작은가 아닌가를 판단하는 것
을 포함하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 것이,
상기 비율이 소정의 제2 비례 역치보다 작은 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 것
을 포함하도록 구성될 수 있다.
또한, 상기 프로세서는,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 것이,
상기 시공간 슬라이딩 윈도우내의 액세스 행위의 총횟수를 취득하는 것과,
상기 총횟수가 소정의 총횟수 역치를 초과하는지 여부를 판단하는 것과,
그 판단 결과에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 것
을 포함하도록 구성될 수 있다.
컴퓨터에 의해 판독 가능한 비휘발성 기록 매체에 있어서, 상기 기록 매체중의 인스트럭션이 이동 단말기의 프로세서에 의해 실행되는 경우, 이동 단말기가 유저 행위 식별 방법을 실행할 수 있다.
상기 유저 행위 식별 방법은,
소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득하는 스텝과,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝과,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝
을 포함한다.
상기 기록 매체중의 인스트럭션은,
상기 시공간 슬라이딩 윈도우가 m개로 등분 된 타임 슬라이스를 포함하고,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은,
타임 슬라이스내의 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는지를 타임 슬라이스마다 판단하여, 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는 n개의 타임 슬라이스를 취득하는 스텝과,
n와 m의 비례가 소정의 제1 비례 역치를 초과하는지 여부를 판단하는 스텝
을 포함하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝은,
n와 m의 비례가 소정의 제1 비례 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 스텝
을 포함하도록 구성될수 있다.
또한, 상기 기록 매체중의 인스트럭션은,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은,
상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하는 스텝과,
취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하는 스텝과,
상기 시간 분산이 소정의 분산 역치를 초과하는지 여부를 판단하는 스텝
을 포함하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝은,
상기 시간 분산이 소정의 분산 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 스텝
을 포함하도록 구성될 수 있다.
상기 기록 매체중의 인스트럭션은,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은,
상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하는 스텝과,
취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하는 스텝과,
상기 시간 분산과 시간 간격의 평균치의 비율을 산출하는 스텝과,
상기 비율이 소정의 제2 비례 역치보다 작은지 여부를 판단하는 스텝
을 포함하고,
그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝은,
상기 비율이 소정의 제2 비례 역치보다 작은 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 스텝
을 포함하도록 구성될 수 있다.
또한, 상기 기록 매체중의 인스트럭션은,
상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은,
상기 시공간 슬라이딩 윈도우내의 액세스 행위의 총횟수를 취득하는 스텝과,
상기 총횟수가 소정의 총횟수 역치를 초과하는지 여부를 판단하는 스텝과,
그 판단 결과에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝
을 포함하도록 구성될 수 있다.
당업자는 명세서를 참조하고 또한 여기서 공개한 발명을 실행한 후, 본 발명의 다른 실시방안을 용이하게 생각해낼 수 있다. 본출원은, 본 발명의 임의의 변형, 용도 또는 적응적 변화를 포함하고, 이러한 변형, 용도 또는 적응적 변화는, 본 발명의 일반적인 원리에 따르며, 본 명세서에서 공개하지 않은 본 기술분야의 공지상식 또는 관용기술수단을 포함한다. 명세서와 실시예는, 단지 예시적인 것으로서, 본 발명의 보호범위와 취지는 특허청구범위에 의해 한정된다.
본 발명은, 상기에 기재되고 도면에 나타낸 구체적인 구조에 한정되지 않으며, 그 범위내에서 다양한 수정과 변형을 실시할 수 있다는것을 이해해야 한다. 본 발명의 범위는 특허청구범위에 의해 제한된다.

Claims (11)

  1. 소정의 시공간 슬라이딩 윈도우(time sliding window)내의 단말기에 의한 액세스(access) 행위를 취득하는 스텝(step)과,
    상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝과,
    그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝
    을 포함하는 것을 특징으로 하는 유저 행위 식별 방법.
  2. 제 1항에 있어서,
    상기 시공간 슬라이딩 윈도우는 m개로 등분 된 타임 슬라이스(time slices)를 포함하고,
    상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은
    타임 슬라이스내의 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는지를 타임 슬라이스마다 판단하여, 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는 n개의 타임 슬라이스를 취득하는 스텝과,
    n와 m의 비례가 소정의 제1 비례 역치를 초과하는지 여부를 판단하는 스텝
    을 포함하고,
    그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝은
    n와 m의 비례가 소정의 제1 비례 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 스텝을 포함하는 것을 특징으로 하는 유저 행위 식별 방법.
  3. 제1항에 있어서,
    상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은
    상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하는 스텝과,
    취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하는 스텝과,
    상기 시간 분산이 소정의 분산 역치를 초과하는지 여부를 판단하는 스텝
    을 포함하고,
    그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝은
    상기 시간 분산이 소정의 분산 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 스텝을 포함하는 것을 특징으로 하는 유저 행위 식별 방법.
  4. 제1항에 있어서,
    상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은
    상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하는 스텝과,
    취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하는 스텝과,
    상기 시간 분산과 시간 간격의 평균치의 비율을 산출하는 스텝과,
    상기 비율이 소정의 제2 비례 역치보다 작은지 여부를 판단하는 스텝
    을 포함하고,
    그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하는 스텝은
    상기 비율이 소정의 제2 비례 역치보다 작은 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 스텝을 포함하는 것을 특징으로 하는 유저 행위 식별 방법.
  5. 제1항에 있어서,
    상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝은
    상기 시공간 슬라이딩 윈도우내의 액세스 행위의 총횟수를 취득하는 스텝과,
    상기 총횟수가 소정의 총횟수 역치를 초과하는지 여부를 판단하는 스텝과,
    그 판단 결과에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하는 스텝
    을 포함하는 것을 특징으로 하는 유저 행위 식별 방법.
  6. 소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득하기 위한 취득 모듈과,
    상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하기 위한 평가 모듈과,
    그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하기 위한 판단 모듈
    을 포함하는 것을 특징으로 하는 유저 행위 식별 장치.
  7. 제6항에 있어서,
    상기 시공간 슬라이딩 윈도우는 m개로 등분 된 타임 슬라이스를 포함하고,
    상기 평가 모듈은
    타임 슬라이스내의 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는지를 타임 슬라이스마다 판단하여, 액세스 횟수가 소정의 슬라이스 횟수 역치를 초과하는 n개의 타임 슬라이스를 취득하기 위한 타임 슬라이스 서브모듈과,
    n와 m의 비례가 소정의 제1 비례 역치를 초과하는지 여부를 판단하기 위한 제1 비례 서브모듈
    을 포함하고,
    상기 판단 모듈은
    n와 m의 비례가 소정의 제1 비례 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 것을 특징으로 하는 유저 행위 식별 장치.
  8. 제6항에 있어서,
    상기 평가 모듈은
    상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하기 위한 간격 서브모듈과,
    취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하기 위한 분산 서브모듈과,
    상기 시간 분산이 소정의 분산 역치를 초과하는지 여부를 판단하기 위한 제1 평가 서브모듈
    을 포함하고,
    상기 판단 모듈은
    상기 시간 분산이 소정의 분산 역치를 초과하는 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 것을 특징으로 하는 유저 행위 식별 장치.
  9. 제6항에 있어서,
    상기 평가 모듈은
    상기 시공간 슬라이딩 윈도우중의 서로 인접하는 2개의 액세스 행위마다, 서로 인접하는 2개의 액세스 행위의 시간 간격을 취득하기 위한 간격 서브모듈과,
    취득한 시간 간격에 근거하여 액세스 행위의 시간 분산을 산출하기 위한 분산 서브모듈과,
    상기 시간 분산과 시간 간격의 평균치의 비율을 산출하기 위한 비율 서브모듈과,
    상기 비율이 소정의 제2 비례 역치보다 작은지 여부를 판단하기 위한 제2 비례 서브모듈
    을 포함하고,
    상기 판단 모듈은
    상기 비율이 소정의 제2 비례 역치보다 작은 경우, 상기 단말기에 의한 액세스 행위가 악의적인 액세스라고 판단하는 것을 특징으로 하는 유저 행위 식별 장치.
  10. 제6항에 있어서,
    상기 평가 모듈은
    상기 시공간 슬라이딩 윈도우내의 액세스 행위의 총횟수를 취득하기 위한 총횟수 서브모듈과,
    상기 총횟수가 소정의 총횟수 역치를 초과하는지 여부를 판단하기 위한 총횟수 판단 서브모듈과,
    그 판단 결과에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하기 위한 제 2의 평가 서브모듈을 포함하는 것을 특징으로 하는 유저 행위 식별 장치.
  11. 프로세서와,
    프로세서에 의해 실행 가능한 인스트럭션을 저장하기 위한 메모리
    를 포함하는 유저 행위 식별 장치에 있어서,
    상기 프로세서는
    소정의 시공간 슬라이딩 윈도우내의 단말기에 의한 액세스 행위를 취득하고,
    상기 시공간 슬라이딩 윈도우내의 액세스 행위에 근거하여 상기 시공간 슬라이딩 윈도우내의 액세스 행위를 평가하며,
    그 평가 결과에 근거하여 상기 단말기에 의한 액세스 행위가 악의적인 액세스인지를 판단하도록 구성되는 것을 특징으로 하는 유저 행위 식별 장치.
KR1020157016876A 2014-11-27 2015-04-30 유저 행위 식별 방법 및 유저 행위 식별 장치, 프로그램 및 저장매체 Active KR101677217B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201410708281.6A CN104486298B (zh) 2014-11-27 2014-11-27 识别用户行为的方法及装置
CN201410708281.6 2014-11-27
PCT/CN2015/078019 WO2016082462A1 (zh) 2014-11-27 2015-04-30 识别用户行为的方法及装置

Publications (2)

Publication Number Publication Date
KR20160077009A true KR20160077009A (ko) 2016-07-01
KR101677217B1 KR101677217B1 (ko) 2016-11-17

Family

ID=52760802

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157016876A Active KR101677217B1 (ko) 2014-11-27 2015-04-30 유저 행위 식별 방법 및 유저 행위 식별 장치, 프로그램 및 저장매체

Country Status (9)

Country Link
US (1) US20160156653A1 (ko)
EP (1) EP3026864B1 (ko)
JP (1) JP2017503293A (ko)
KR (1) KR101677217B1 (ko)
CN (1) CN104486298B (ko)
BR (1) BR112015018912A2 (ko)
MX (1) MX350670B (ko)
RU (1) RU2628127C2 (ko)
WO (1) WO2016082462A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102034998B1 (ko) * 2019-07-12 2019-10-22 경상대학교산학협력단 돼지움직임 감지용 광이표
KR20210007613A (ko) * 2019-07-12 2021-01-20 경상대학교산학협력단 가속도 센서를 구비한 돼지이표
US11240258B2 (en) 2015-11-19 2022-02-01 Alibaba Group Holding Limited Method and apparatus for identifying network attacks

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104486298B (zh) * 2014-11-27 2018-03-09 小米科技有限责任公司 识别用户行为的方法及装置
CN104881479B (zh) * 2015-06-03 2018-07-13 北京京东尚科信息技术有限公司 一种限制用户最小操作间隔的方法及装置
CN106327230B (zh) * 2015-06-30 2019-12-24 阿里巴巴集团控股有限公司 一种异常用户检测方法及设备
CN104967629B (zh) * 2015-07-16 2018-11-27 网宿科技股份有限公司 网络攻击检测方法及装置
CN105282047B (zh) * 2015-09-25 2020-04-14 小米科技有限责任公司 访问请求处理方法及装置
CN111629010B (zh) * 2015-11-23 2023-03-10 创新先进技术有限公司 一种恶意用户识别方法及装置
EP4102437A1 (en) * 2016-03-04 2022-12-14 Axon Vibe AG Systems and methods for predicting user behavior based on location data
CN106506451B (zh) * 2016-09-30 2019-08-27 百度在线网络技术（北京）有限公司 恶意访问的处理方法及装置
JP6737189B2 (ja) * 2017-01-18 2020-08-05 トヨタ自動車株式会社 不正判定システム及び不正判定方法
CN106657410B (zh) * 2017-02-28 2018-04-03 国家电网公司 基于用户访问序列的异常行为检测方法
CN107046489B (zh) * 2017-04-07 2020-07-28 上海熙菱信息技术有限公司 一种频次类实时统计模型系统及方法
CN107481090A (zh) * 2017-07-06 2017-12-15 众安信息技术服务有限公司 一种用户异常行为检测方法、装置和系统
FR3094518B1 (fr) 2019-04-01 2021-02-26 Idemia Identity & Security France Procédé de détection de bots dans un réseau d’utilisateurs
CN111224939B (zh) * 2019-11-15 2022-07-12 上海钧正网络科技有限公司 任务请求的拦截方法、装置、计算机设备和存储介质
CN110933115B (zh) * 2019-12-31 2022-04-29 上海观安信息技术股份有限公司 基于动态session的分析对象行为异常检测方法及装置
CN113114611B (zh) * 2020-01-13 2024-02-06 北京沃东天骏信息技术有限公司 黑名单管理的方法和装置
CN112784288B (zh) * 2021-01-22 2024-05-10 尚娱软件（深圳）有限公司 访问管理方法、终端及计算机可读存储介质
US11991196B2 (en) 2021-03-04 2024-05-21 Qatar Foundation For Education, Science And Community Development Anomalous user account detection systems and methods
CN113553528B (zh) * 2021-07-23 2024-12-13 咪咕文化科技有限公司 业务访问频率控制方法、装置、计算设备和存储介质
US12481758B2 (en) * 2022-09-29 2025-11-25 Mcafee, Llc Methods and apparatus to disable select processes for malware prevention

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040057177A (ko) * 2002-12-24 2004-07-02 한국전자통신연구원 슬라이딩 윈도우 캐쉬 구조와 이를 이용한 네트워크공격상황의 데이터 기록 및 분석 방법
KR20060025871A (ko) * 2004-09-17 2006-03-22 주식회사 케이티 가상 웹서버 기반의 침입 유도 시스템 및 그 방법
EP2009864A1 (en) * 2007-06-28 2008-12-31 Nibelung Security Systems GmbH Method and apparatus for attack prevention

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000148276A (ja) * 1998-11-05 2000-05-26 Fujitsu Ltd セキュリティ監視装置，セキュリティ監視方法およびセキュリティ監視用プログラム記録媒体
JP2005044277A (ja) * 2003-07-25 2005-02-17 Fuji Xerox Co Ltd 不正通信検出装置
JP2006279930A (ja) * 2005-03-01 2006-10-12 Nec Corp 不正アクセス検出方法及び装置、並びに不正アクセス遮断方法及び装置
RU2460220C2 (ru) * 2007-01-16 2012-08-27 Абсолют Софтвеа Корпорейшн Модуль обеспечения безопасности, включающий вторичный агент, взаимодействующий с главным агентом
US7885976B2 (en) * 2007-02-23 2011-02-08 International Business Machines Corporation Identification, notification, and control of data access quantity and patterns
JP4948359B2 (ja) * 2007-10-26 2012-06-06 三菱電機株式会社 不正アクセス検知装置及び不正アクセス検知方法及びプログラム
US20090144545A1 (en) * 2007-11-29 2009-06-04 International Business Machines Corporation Computer system security using file system access pattern heuristics
JP2009217555A (ja) * 2008-03-11 2009-09-24 Mitsubishi Electric Corp ネットワーク異常判定装置
US8326987B2 (en) * 2008-11-12 2012-12-04 Lin Yeejang James Method for adaptively building a baseline behavior model
US8572736B2 (en) * 2008-11-12 2013-10-29 YeeJang James Lin System and method for detecting behavior anomaly in information access
CN101446956A (zh) * 2008-12-12 2009-06-03 北京理工大学 预测模型的在线增量式插入与删除方法
JP2010146160A (ja) * 2008-12-17 2010-07-01 Kureo:Kk 通信管理装置、通信管理方法、およびプログラム
WO2010088550A2 (en) * 2009-01-29 2010-08-05 Breach Security, Inc. A method and apparatus for excessive access rate detection
US9805271B2 (en) * 2009-08-18 2017-10-31 Omni Ai, Inc. Scene preset identification using quadtree decomposition analysis
JP5911431B2 (ja) * 2010-01-21 2016-05-11 アリババ・グループ・ホールディング・リミテッドＡｌｉｂａｂａ Ｇｒｏｕｐ Ｈｏｌｄｉｎｇ Ｌｉｍｉｔｅｄ 悪意のあるアクセスの遮断
CN102769549B (zh) * 2011-05-05 2016-02-17 腾讯科技（深圳）有限公司 网络安全监控的方法和装置
US9571508B2 (en) * 2011-07-29 2017-02-14 Hewlett Packard Enterprise Development Lp Systems and methods for distributed rule-based correlation of events
JP5791548B2 (ja) * 2012-03-15 2015-10-07 三菱電機株式会社 アドレス抽出装置
US20130291107A1 (en) * 2012-04-27 2013-10-31 The Irc Company, Inc. System and Method for Mitigating Application Layer Distributed Denial of Service Attacks Using Human Behavior Analysis
US20140304833A1 (en) * 2013-04-04 2014-10-09 Xerox Corporation Method and system for providing access to crowdsourcing tasks
CN104113519B (zh) * 2013-04-16 2017-07-14 阿里巴巴集团控股有限公司 网络攻击检测方法及其装置
RU133954U1 (ru) * 2013-04-29 2013-10-27 Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования "Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича" (СПбГУТ) Устройство защиты сети
CN104486298B (zh) * 2014-11-27 2018-03-09 小米科技有限责任公司 识别用户行为的方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040057177A (ko) * 2002-12-24 2004-07-02 한국전자통신연구원 슬라이딩 윈도우 캐쉬 구조와 이를 이용한 네트워크공격상황의 데이터 기록 및 분석 방법
KR20060025871A (ko) * 2004-09-17 2006-03-22 주식회사 케이티 가상 웹서버 기반의 침입 유도 시스템 및 그 방법
EP2009864A1 (en) * 2007-06-28 2008-12-31 Nibelung Security Systems GmbH Method and apparatus for attack prevention

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11240258B2 (en) 2015-11-19 2022-02-01 Alibaba Group Holding Limited Method and apparatus for identifying network attacks
KR102034998B1 (ko) * 2019-07-12 2019-10-22 경상대학교산학협력단 돼지움직임 감지용 광이표
KR20210007613A (ko) * 2019-07-12 2021-01-20 경상대학교산학협력단 가속도 센서를 구비한 돼지이표

Also Published As

Publication number Publication date
MX2015009131A (es) 2016-08-01
KR101677217B1 (ko) 2016-11-17
BR112015018912A2 (pt) 2017-07-18
MX350670B (es) 2017-09-12
WO2016082462A1 (zh) 2016-06-02
US20160156653A1 (en) 2016-06-02
CN104486298B (zh) 2018-03-09
RU2015128769A (ru) 2017-01-20
EP3026864A1 (en) 2016-06-01
JP2017503293A (ja) 2017-01-26
RU2628127C2 (ru) 2017-08-15
CN104486298A (zh) 2015-04-01
EP3026864B1 (en) 2018-09-26

Similar Documents

Publication Publication Date Title
KR101677217B1 (ko) 유저 행위 식별 방법 및 유저 행위 식별 장치, 프로그램 및 저장매체
CN109831465B (zh) 一种基于大数据日志分析的网站入侵检测方法
US9462009B1 (en) Detecting risky domains
CN104391979B (zh) 网络恶意爬虫识别方法及装置
CN103701795B (zh) 拒绝服务攻击的攻击源的识别方法和装置
Viswanath et al. Towards detecting anomalous user behavior in online social networks
US10938844B2 (en) Providing security through characterizing mobile traffic by domain names
US20180295149A1 (en) System and method for detecting directed cyber-attacks targeting a particular set of cloud based machines
US9621576B1 (en) Detecting malicious websites
US11588851B2 (en) Detecting device masquerading in application programming interface (API) transactions
CN109302423B (zh) 一种漏洞扫描能力测试方法和装置
CN107465648A (zh) 异常设备的识别方法及装置
KR101731312B1 (ko) 사용자 단말의 애플리케이션에 대한 권한변경 탐지 방법, 장치 및 컴퓨터 판독가능 기록매체
CN113765850B (zh) 物联网异常检测方法、装置、计算设备及计算机存储介质
Heid et al. Haven't we met before?-Detecting Device Fingerprinting Activity on Android Apps
CN107426136B (zh) 一种网络攻击的识别方法和装置
Van Goethem et al. One {Side-Channel} to Bring Them All and in the Darkness Bind Them: Associating Isolated Browsing Sessions
CN115190108B (zh) 一种检测被监控设备的方法、装置、介质及电子设备
KR20150133370A (ko) 웹서비스 접속제어 시스템 및 방법
US9118563B2 (en) Methods and apparatus for detecting and filtering forced traffic data from network data
KR102040227B1 (ko) 장치 간 보안 유효성을 평가하는 방법 및 시스템
KR102233525B1 (ko) 페이지 리다이렉트 루프를 검출하기 위한 방법 및 장치
CN113553589B (zh) 恶意软件传播特征的提取方法、装置和应用
KR20150088047A (ko) 접속시간 기준 평판생성 방법, 그리고 이를 이용한 DDoS 방어 방법 및 시스템
CN112751828A (zh) 对网络攻击事件的损失评估方法、装置和电子设备

Legal Events

Date Code Title Description
A201 Request for examination
PA0105 International application

Patent event date: 20150624

Patent event code: PA01051R01D

Comment text: International Patent Application

PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20150624

Comment text: Request for Examination of Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20160503

Patent event code: PE09021S01D

PG1501 Laying open of application
E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20161026

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20161111

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20161114

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
FPAY Annual fee payment

Payment date: 20191101

Year of fee payment: 4

PR1001 Payment of annual fee

Payment date: 20191101

Start annual number: 4

End annual number: 4

FPAY Annual fee payment

Payment date: 20201030

Year of fee payment: 5

PR1001 Payment of annual fee

Payment date: 20201030

Start annual number: 5

End annual number: 5

FPAY Annual fee payment

Payment date: 20211029

Year of fee payment: 6

PR1001 Payment of annual fee

Payment date: 20211029

Start annual number: 6

End annual number: 6

FPAY Annual fee payment

Payment date: 20221104

Year of fee payment: 7

PR1001 Payment of annual fee

Payment date: 20221104

Start annual number: 7

End annual number: 7