26-1 인공지능산업체특강 프로젝트

NIDS Threat Report — 네트워크 침입 탐지 시스템(NIDS) 기반 위협 분석 및 보고서 생성 프로젝트

📖 Description

네트워크 트래픽을 분석해 침입을 탐지하고, 탐지된 위협에 대해 AI가 작성한 보안 리포트를 제공하는 프로젝트

NF-UQ-NIDS-v2 데이터셋을 전처리·학습하여 Azure ML 기반 분류 모델을 구축하고, 탐지된 공격 이벤트는 RAG(Azure AI Search + GPT-4o)를 통해 원인·영향·대응 방안을 포함한 리포트로 자동 생성됩니다.

⭐ Main Feature

침입 탐지 (이진 → 다중 2단계 분류)

• Azure ML Designer로 학습한 이진 분류 모델로 정상/공격 1차 판별
• 공격으로 판별된 트래픽은 다중 분류 모델로 5종 공격 유형(Injection, Password, Reconnaissance, Scanning, XSS) 분류

위협 탐지 대시보드

• 탐지 이벤트 목록, 통계, 위험 이벤트를 한눈에 확인하는 대시보드
• 날짜별 이벤트 샘플링 및 위험도(Risk) 기반 우선순위 표시

AI 보안 리포트 자동 생성

• Azure AI Search + GPT-4o 기반 RAG로 공격 유형별 원인/영향/대응 방안 리포트 생성
• 정상(Benign) 트래픽은 RAG 호출 없이 고정 응답 반환

데이터 전처리 및 EDA

• 원본 76M 행(NF-UQ-NIDS-v2) → 클래스 균형 샘플링, 클리닝, Z-score 정규화
• 인접 플로우(과거1/과거2) 결합을 통한 시계열 정보 보완 실험

💻 Getting Started

Frontend

cd frontend
npm install
npm run dev

Backend

cd backend
pip install fastapi uvicorn pandas python-dotenv requests
pip install -r RAG/requirements.txt
uvicorn main:app --reload

📁 Project Structure

network_detection
├── frontend/        # 대시보드 UI (Next.js + TypeScript + Tailwind CSS)
├── backend/         # API 서버 (FastAPI) + RAG 보안 리포트 모듈
│   └── RAG/         # Azure AI Search + GPT-4o 기반 리포트 생성
├── data_analysis/   # 데이터 전처리 및 EDA (NF-UQ-NIDS-v2)
└── ML_results/      # Azure ML Designer 모델 학습 결과

👨‍💻 Role & Contribution

AI (@miji0, @yeonjaeae)

• 데이터 전처리 및 EDA (NF-UQ-NIDS-v2)
• Azure ML Designer 모델 학습 (이진 / 다중 분류)
• RAG 기반 보안 리포트 생성 모듈 구축 (Azure AI Search + GPT-4o)

Backend (@yeonjaeae)

• FastAPI 서버 구축 및 전체 API 연동 (/api/events, /api/stats, /api/predict, /api/report)
• Azure ML 추론 모델 및 RAG 모듈을 API로 연결

Frontend (@jiwonnee, @nonopenah)

• 대시보드 UI 개발 (Next.js + TypeScript + Tailwind CSS)
• 탐지 이벤트 시각화 및 AI 보안 리포트 화면 구현

👨‍👩‍👧‍👦 Developer

• 김나희 (nonopenah)
• 김미지 (miji0)
• 김연재 (yeonjaeae)
• 신지원 (jiwonnee)