본 논문은 사이버 보안 시뮬레이션 환경(cyber ranges, honeypots, sandboxes)의 효과를 높이기 위해 현실적인 인간 행동을 모방하는 합성 사용자(synthetic user persona)의 행동 신뢰도를 정량적으로 평가하는 새로운 기계 학습 프레임워크 PHASE(Passive Human Activity Simulation Evaluation)를 제시한다. PHASE는 Zeek 연결 로그를 분석하여 인간과 비인간 활동을 90% 이상의 정확도로 구분하며, 사용자 측 계측이나 감시 징후 없이 수동적으로 작동한다. 네트워크 활동은 Zeek 네트워크 어플라이언스를 통해 수집되며, 지역 DNS 레코드를 활용한 새로운 라벨링 기법을 제안한다. SHAP 분석을 통해 인간 사용자를 나타내는 시간적 및 행동적 특징을 밝히고, 사례 연구를 통해 합성 사용자의 비현실적인 패턴을 식별하고 개선하여 더욱 현실적인 합성 사용자를 생성하는 방법을 제시한다.
