본 논문은 머신러닝 기반 DDoS 공격 탐지 시스템의 성능 향상을 위해, 실제와 유사한 DDoS 공격 트래픽 데이터를 생성하는 새로운 데이터 증강 기법인 Dual-Stream Temporal-Field Diffusion (DSTF-Diffusion)을 제안합니다. DSTF-Diffusion은 네트워크 트래픽의 복잡한 시공간적 패턴을 효과적으로 포착하기 위해 '필드 스트림'과 '공간 스트림'이라는 두 개의 스트림을 활용하는 확산 모델 기반 생성 모델입니다. 실험 결과, 제안된 모델이 생성한 데이터는 기존 최신 방법론보다 원본 데이터와의 통계적 유사성이 높으며, 다양한 다운스트림 작업에서 성능을 향상시키는 것으로 나타났습니다.
