본 논문은 사이버 활동으로 생성되는 방대한 양의 비정형 데이터를 효과적으로 분석하여 사이버 보안을 강화하는 방법을 제시한다. 기존 분석 방법으로는 처리하기 어려운 비분류 및 정성적 데이터에 대해 K-means 클러스터링 알고리즘을 적용하여 유사한 데이터 포인트를 그룹화함으로써 숨겨진 패턴과 구조를 식별하고 위협을 효과적으로 파악하고자 한다. XGBoost 알고리즘을 이용하여 Kali Linux 환경에서 다양한 공격 시뮬레이션을 통해 얻은 데이터와 Kaggle의 IoT 네트워크 침입 탐지 데이터 세트 두 가지에 K-means 알고리즘을 적용하여 공격 유형을 식별하고 분류하는 실험을 수행하였다. 이를 통해 기존에 알려지지 않은 새로운 공격 유형을 식별하고 특징을 기반으로 라벨링하는데 도움을 줄 수 있음을 보여준다.
