SK Shieldus 22日表示，公司网络安全AI研究组织Cybersecurity AI Labs高级研究员Lim Jeonghun的论文已被国际机器学习会议ICML 2026（International Conference on Machine Learning）接收。
据介绍，该研究聚焦真实网络攻击中的不规则时间序列问题，并因此获得较高评价。
SK Shieldus表示，传统网络安全检测方法大多建立在攻击按固定顺序、连续发生的假设之上。但在真实场景中，攻击发生的时间点和间隔往往并不规律，既可能在短时间内密集出现，也可能跨越较长周期分散发生，呈现出复杂多变的特征。在这种情况下，现有方法难以充分捕捉相关变化，进而可能漏检攻击信号，或导致检测准确率下降。
针对这一问题，SK Shieldus提出了QuITE（Query-based Irregular Time-series Embedding）方法，用于分析网络攻击中的不规则时间序列数据。
QuITE主要用于刻画时间间隔不均匀的数据特征，能够更贴近真实攻击行为的时间分布。与此同时，该方法还可与现有AI模型结合，适配多类安全检测模型和系统。
在性能验证方面，SK Shieldus称，QuITE在全球公开基准数据集上的表现较现有时间序列分析方法最高提升45.9%。
Lim Jeonghun表示，如何有效处理真实场景中不完整的数据，已成为AI研究的重要课题。本次研究的意义在于，让现有AI模型能够更细致地学习不规则攻击模式。
记者信息
Chi-gyu Hwang
delight@d-today.co.kr