Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Enhancing GraphQL Security by Detecting Malicious Queries Using Large Language Models, Sentence Transformers, and Convolutional Neural Networks

Created by
  • Haebom

저자

Irash Perera (Department of Computer Science and Engineering, University of Moratuwa, Colombo, Sri Lanka), Hiranya Abeyrathne (WSO2, Colombo, Sri Lanka), Sanjeewa Malalgoda (WSO2, Colombo, Sri Lanka), Arshardh Ifthikar (WSO2, Colombo, Sri Lanka)

개요

본 논문은 GraphQL의 유연성으로 인해 발생하는 고유한 보안 취약점을 해결하기 위해 AI 기반의 실시간 악성 GraphQL 쿼리 탐지 방법을 제시한다. 정적 분석, 속도 제한, 일반 웹 애플리케이션 방화벽과 같은 기존 솔루션의 한계를 극복하고자, 대규모 언어 모델(LLM), Sentence Transformers(SBERT 및 Doc2Vec), 합성곱 신경망(CNN), 랜덤 포레스트, 다층 퍼셉트론과 같은 머신러닝 기술을 활용하여 동적 스키마 기반 구성, 쿼리 페이로드의 문맥적 임베딩, 분류를 수행한다. SQL 주입, OS 명령 주입, XSS 공격, DoS, SSRF 시도 등 다양한 위협에 대한 높은 탐지 정확도를 보이며, GraphQL API 보안을 강화하는 강력하고 적응 가능한 솔루션을 제시한다.

시사점, 한계점

•
시사점:
◦
AI 기반의 실시간 악성 GraphQL 쿼리 탐지 시스템 개발
◦
다양한 머신러닝 기술(LLM, Sentence Transformers, CNN, Random Forests, Multilayer Perceptrons)의 효과적인 조합
◦
SQL 주입, OS 명령 주입, XSS, DoS, SSRF 등 다양한 위협에 대한 높은 탐지 정확도
◦
생산 환경에 최적화된 시스템 아키텍처(ONNX Runtime 최적화, 병렬 처리)
•
한계점:
◦
구체적인 기술적 세부 사항 (예: 특정 LLM 모델, 하이퍼파라미터 등)의 부재
◦
실제 프로덕션 환경에서의 확장성 및 성능에 대한 추가 평가 필요성
◦
새로운 유형의 공격에 대한 적응성 및 지속적인 업데이트 필요성
◦
오탐 및 미탐 발생 가능성, 이에 대한 분석 및 개선 방안 제시 부족
👍
Made with Slashpage