컴퓨터 네트워크에서의 보안 관리를 위한 방법 및 장치 document_id 1020177034708

[청구항 1] 보안 이벤트를 처리하는 컴퓨터 보안 시스템에 있어서, (a) 복수의 서브 알고리즘을 포함하는 행동 모듈로서, 각각의 서브 알고리즘은 소정의 보안 문제와 관련된 소정의(predetermined) 카테고리에 대응하는, 상기 행동 모듈; 및 (b) 상기 행동 모듈의 결과에 기초하여 보안 분석을 제공하는 조합 모듈 을 포함하는 시스템 [청구항 2] 제 1 항에 있어서,상기 서브 알고리즘은 병렬로 실행되고, 상기 서브 알고리즘은 각각 입력을 처리하고 출력저장하는시스템. [청구항 3] 제 2 항에 있어서,정보 처리 요구가 적어도 하나의 서브 알고리즘에 전달되면, 상기 각 서브 알고리즘은 상기 보안 이벤트의 데이터를 처리하고, 상기 각 서브 알고리즘의 결과는 상기 서브 알고리즘을 위한 데이터베이스저장되는시스템. [청구항 4] 제 2 항에 있어서,소정의 신뢰도 이상인 상기 서브 알고리즘들로부터의 결과들을 필터링하는 고 신뢰도 필터더 포함하는시스템. [청구항 5] 제 4 항에 있어서,조합 요청이 상기 조합 모듈에 전송되고, 상기 조합 모듈은 상기 조합 요청의 유형에 따라 둘 이상의 서브 알고리즘을 결합하고, 상기 조합 모듈은 소정의 기준에 기초하여 그 결과선택하는시스템. [청구항 6] 제 5 항에 있어서,정책 및 행동의 조합에 기초하여 상기 보안 이벤트의 카테고리를 결정하는 분류(categorization) 모듈더 포함하는시스템. [청구항 7] 제 6 항에 있어서,보안 이벤트의 행동 패턴에 기초하여, 상기 보안 이벤트를 필터링하는 패턴 매칭 모듈을 더 포함하고, 상기 분류 모듈은 상기 패턴 매칭 모듈로부터 상기 필터링된 이벤트의 카테고리판단하는시스템. [청구항 8] 제 7 항에 있어서,상기 행동 모듈은 행동 데이터베이스에 접속되고, 상기 행동 데이터베이스는 상기 복수의 카테고리를 포함하는 메타 데이터저장하는시스템. [청구항 9] 제 8 항에 있어서,상기 카테고리들각각은 레퍼런스 id, 제 1 개념, 제 2 개념, 및 관련 인덱스를 결정하는 알고리즘포함하는시스템. [청구항 10] 제 7 항에 있어서,살균(sanitation) 정책에 기초하여 인커밍 이벤트를 필터링하는 살균 모듈더 포함하는시스템. [청구항 11] 사이버 보안 시스템으로서, (i) 여러 보안 이벤트에 대한 배경을 확인하고, 상기 보안 이벤트 간의 패턴 및 상관 관계를 판단하는 음모(conspiracy) 탐지 서브 알고리즘; 및 (ⅱ) 미지의 데이터의 유형을 결정하고, 자신이 선택한 데이터 유형에 대한 신뢰도를 선언하고, 상기 신뢰도가 소정 수준보다 낮으면 실패 플래그를 반환하는, 정보 유형 식별자 서브 알고리즘 을 포함하는 시스템 [청구항 12] 제 11 항에 있어서,상기 음모 탐지 서브 알고리즘에서, 상기 보안 이벤트는 보안 이벤트의 관련 속성을 도출하는, 정보 유형 식별자 서브 알고리즘에 의해 파싱되고, 상기 속성은 외부 정책 및 행동(behavior) 해석에 의해, 상기 이벤트가 프로세싱될상기임계값통과하는지검사하는시스템. [청구항 13] 제 12 항에 있어서,상기 보안 이벤트에 대한 상기 도출된 이벤트 속성은 특정(specific) db에 저장되고, 상기 추출된 이벤트 속성에 대한 모든 조합들이 만들어지고, 상기 조합들은 소정의 허용 규칙에 의해 선택되며, 상기 선택된 조합은 소정의 유사성 팩터에 대해 상기 특정질의되는시스템. [청구항 14] 제 13 항에 있어서,상기 소정의 유사성 팩터는, 동일한 ssn과 발생 시각을 갖는 것, 동일한 ip 랜 서브넷 범위 및 개인 전화 번호, 개인 주소를 포함하는 것, 서로 다른 이메일 주소에 동일한 도메인 이름을 포함하고, 유령 도메인 이름에 대응하여 싸우도록 포인트들에게 지정된 도메인 이름 및 ip 주소포함하는,시스템. [청구항 15] 제 13 항에 있어서,상기 음모 탐지 서브 알고리즘에 의해 검사된 결과는 관리 콘솔통지되는시스템. [청구항 16] 제 11 항에 있어서,상기 시스템은, 상기 외부 위협이 기업의 격리 된 네트워크로 가해지는 외부 위협에 대한 요청에 근거하여 상기 외부 위협의 심각성(severity)을 업그레이드 또는 다운그레이드하고. 외부 위협 인식을 향상시키기 위해 제 3 자 정보를 수신하고, 소정의 리스크 팩터를 기반으로 사용자 기록에 대한 전반적인 리스크 평가를 판단하는 외부 개체 관리 서브 알고리즘더 포함하는시스템. [청구항 17] 제 16 항에 있어서,상기 외부 개체 관리 서브 알고리즘에서, 상기 보안 이벤트는 상기 정보 유형 식별자 서브 알고리즘에 의해 파싱되어 상기 보안 이벤트에 관련된 네트워크 원점(origin) 및 사용자를 추출하고, 상기 보안 이벤트의 네트워크 원점은 보안 감시 리스트와 대조하여 체크되고, 여기서 사용자 정보가 보안 감시 리스트에서 발견되면, 상기 사용자는상기사용자리스크평가서브알고리즘에의해검사되는시스템. [청구항 18] 제 17 항에 있어서,상기 검사 결과는 상기 외부 정책 및 행동(behavoir)에 의해 영향을 받는 소정의 임계 값에 기초하여 고려되고 집계되며, 상기 집계된 결과는 특정 데이터베이스저장되는시스템. [청구항 19] 제 16 항에 있어서,상기 정보 유형 식별자 서브 알고리즘에서, 상기 제공된 미지의 데이터에 대하여, 병렬화 목적으로 벌크 입력제공되는시스템. [청구항 20] 제 19 항에 있어서,상기 정보 유형 식별자 서브 알고리즘은, 길이, 수, 문자 비율 및 특수 문자를 포함하는 미지의 데이터의 속성추출하는시스템. [청구항 21] 제 20 항에 있어서,상기 추출된 속성은 비교를 위해 선택된 db 데이터 지점비교되는시스템. [청구항 22] 제 21 항에 있어서,비교를 위해 캐시먼저 체크되는시스템. [청구항 23] 제 22 항에 있어서,상기 정보 유형 식별자 서브 알고리즘은 상기 비교된 결과를 신뢰도 레벨처리하는시스템. [청구항 24] 제 23 항에 있어서,상기 결과들의 신뢰도 수준이 소정 임계 값보다 낮은 경우, 상기 결과들은 차단되며, 상기 소정 임계 값동적인시스템. [청구항 25] 제 23 항에 있어서,상기 패턴의 검출은 유형 상관성(type affinity)과 속성 메이크업을 상관시키기 위해 수행되며, 여기서 높은 신뢰도 패턴은 상기 캐시에 저장되고, 상기 db는 계산된 패턴을 포함하지 않지만 유형 및 속성 사이의 정적 상관관계포함하는시스템. [청구항 26] 제 25 항에 있어서,상기 처리된 결과는 api에 따라 컴파일되고, 상기 컴파일된 결과출력되는시스템. [청구항 27] 제 16 항에 있어서,미디어를 스캔하고, 상기 미디어의 예상되는 구성에 대한 불법적인 정보 전달 및 불일치/의심스러운 행동을 검사하는 미디어 스캐너 서브 알고리즘더 포함하는시스템. [청구항 28] 제 27 항에 있어서,상기 미디어 스캐너 서브 알고리즘에서, 상기 미디어 파싱은 상기 주어진 미디어 내의 의심되는 정보 포인트를 하이라이트하기 위해 수행되며, 상기 의심되는 포인트는 메타 데이터 또는 상기 미디어의 로(raw) 포맷으로 숨겨 질 수 있고, 여기서 상기 미디어의 데이터 및 메타 데이터스캔되는시스템. [청구항 29] 제 27 항에 있어서,상기 정보의 의심 포인트는 상기 정보 유형 식별자 서브 알고리즘에 의해 처리되고, 여기서 사용자 신원은 사용자 리스크 관리 서브 알고리즘에 전달되고, 모든 다른 정보는 일반 파서로 전달되는시스템. [청구항 30] 제 27 항에 있어서,상기 일반파서는 리스크 객체 db와 상호 작용하여 상기 파일에 있는 위험한 연관성발견하는시스템. [청구항 31] 제 30 항에 있어서,상기 위험한 연관성이 발견되면, 상기 미디어는 전송 차단되고, 리스크 객체가 생성되며, 상기 사용자 리스크 관리 서브 알고리즘은, 상기 보안 이벤트에 상기 사용자가 관련된 사실통지받는시스템. [청구항 32] 제 30 항에 있어서,상기 미디어를 차단할지 또는 허용할 지의 결정하기 위해 상기 처리된결과결합되고파싱되는시스템. [청구항 33] 제 16 항에 있어서,상기 시스템은, 사용자 또는 프로세스가 그들의 허용된 권한 할당 내에 있는 지를 판단하고, 지속적으로 호출되며, 확증 된 임의의 권한 위반을 마스터 프로세스 및 상기 마스터 프로세스가 상기 위반 사항에 대해 조치를 취했는지 더블 체크하는 제2 프로세스에 보고하는 특권 격리 분석 서브 알고리즘더 포함하는시스템. [청구항 34] 제 33 항에 있어서,상기 특권 격리 분석 서브 알고리즘은, 사용자 허가 이벤트가 전송되고, 사용자 id 토큰 및 요청된 액세스/수정 위치가 상기 정보 유형 식별자 서브 알고리즘에 의해 추출되어 스레드 관리자푸시 되는시스템. [청구항 35] 제 34 항에 있어서,상기 스레드 관리자는 위치 정보를 수신하고 누가 액세스 수정을 할 수 있도록 허락 되었는지에 대해 위치 데이터베이스를 호출하는 위치 스레드 관리자포함하는시스템. [청구항 36] 제 35 항에 있어서,위치 허가 은행은 상기 특정 db 2에 의해 상기 위치의 허가 요건을 수신하고, 사용자 보안 리스크로 인해 예방 조치로서 특정 위치가 차단되어야 하는지를 결정하는 스레드에 의해 질의 되며, 예방 차원은외부정책과행동통해결정되는시스템. [청구항 37] 제 36 항에 있어서,상기 스레드 관리자는 사용자 정보를 수신하고 어떤 위치에 대한 액세스/수정이 가능한지에 대한 사용자 데이터베이스를 호출하고, 사용자 리스크 관리 서브 알고리즘을 호출하여 사전 예방 정책 내에서 사용자를 위험한 위치에서 차단할 수 있도록 하는 사용자 스레드 관리자포함하는시스템. [청구항 38] 제 37 항에 있어서,사용자 권한 뱅크는 특정 db 1에 의해 상기 사용자의 권한 속성을 수신하고, 상기 위치 스레드 관리자에 의해 질의 되어, 상기 사용자가 이 위치에서 상기 요청된 작업을 수행하도록허가되는지를확인하는시스템. [청구항 39] 제 38 항에 있어서,권한 집계자는 상기 위치 스레드 관리자와 상기 사용자 스레드 관리자에 의한 결과를 논리적으로 결합하고, 상기 결합된 결과출력하는시스템. [청구항 40] 제 16 항에 있어서,상기 사용자 리스크 관리 서브 알고리즘에서, 상기 소정의 리스크 요소들은 이전의 정책 위반들, 과도한 사용 및 규정된 의심스러운 동작들포함하는시스템. [청구항 41] 제 40 항에 있어서,사용자 식별 토큰이 입력되고, 위험 관심 대상인 복수의 링크 된 객체에 대한 전체 위험 평가 백분율이 출력되고, 상기 객체는 추가 분석을 위해 다른 서브 알고리즘을 통해독립적액세스될수있는시스템. [청구항 42] 제 41 항에 있어서,상기 사용자와 관련된 위험 객체가 입력되고, 상기 위험 객체와의 사용자 연관기록되는시스템. [청구항 43] 제 41 항에 있어서,사용자id 토큰은 리스크 평가 보고서를 생성하거나 리스크 객체 레퍼런스를 기탁하기 위해 제공되어, 사용자의 리스크 이력이 기탁된 리스크 객체 레퍼런스구축되는시스템. [청구항 44] 제 43 항에 있어서,상기 리스크 객체 레퍼런스가 제공되면, 추후 레퍼런스를 위해 상기 사용자의 리스크 이력 데이터베이스 내기탁되는시스템. [청구항 45] 제 43 항에 있어서,리스트 객체 레퍼런스도 기탁되지 않으면, 상기 스레드 관리자가 보고서를 작성하도록 요청하고, 관련 사용자 id가 상기 사용자의 리스크 이력을 평가하기 위해 특정 데이터베이스조회되는시스템. [청구항 46] 제 43 항에 있어서,상기 리스크 순위는 리스크 개체들에 대한 리스크 순위(레이팅)을 부여하는 특정 db로부터 검색되고, 상기 리스크 순위 및 상기 검색된 리스크 개체를 사용하여 최종 집계 보고서가 생성되어 출력되도록 푸시 되고, 포괄적인 주요 리스크 인덱스도 출력되도록 푸시 되어, 사용자의 즉각적인 위험 요소식별하게 하는시스템. [청구항 53] 사이버 위협 지능 식별, 통합 및 분석 시스템으로서, a) 데이터의 추상적인 구성을 나타내는 두 개의 부모 양식(forms)을 수신하고, 상기 두 개의 부모 양식을 하이브리드 양식으로 병합하는 지능 선택기 b) 상기 시스템에서 사용되는 알고리즘의 유형을 정의하는 모드 모듈로서, 상기 지능 선택기는 상기 알고리즘의 유형에 기초하여 병합할 부분을 결정하는 것인, 상기 모드 모듈; 및 c) 양식을 병합하는 방법에 대한 커스터마이즈 데이터의 입력을 받는 정적 기준 모듈 을 포함하는 시스템 [청구항 54] 제 53 항에 있어서,상기 커스터마이즈(customization) 데이터는 상기 모드 모듈에 의해 정의된 알고리즘의 유형에 의존하는 랭킹 우선 순위, 원하는 데이터의 비율, 및 병합을 지시하는 데이터포함하는시스템. [청구항 55] 제 53 항에 있어서,상기 지능 선택기는,상기 정적 기준 모듈에 의해 제공된 상기 커스터마이즈 데이터에 기초하여 상기 2 개의 부모 양식에 대한 로(raw; 미가공) 비교를 수행하는 로(raw) 비교 모듈을 포함하고, 상기 로(raw) 비교 모듈은 변경 및 비 변경에 대해 출력하고, 상기 지능 선택기는 상기 커스터마이즈 데이터에 기초하여 상기 변경 사항의 중요성을 평가하고, 상기 변경 및 비 변경은 상기 정적 기준의 상기 커스터마이즈 데이터 및 상기 알고리즘의 유형 모드에 기초하여 하이브리드 형태로 병합되며, 상기 병합은 데이터의 비율 분포, 데이터의 중요도 및 데이터 간의 관계를 조정하는 단계를 포함하며, 상기 모드로서 비율 모드, 우선 모드 및 스타일 모드가 상기 시스템미리 설정되는시스템. [청구항 56] 제 55 항에 있어서,상기 비율 모드에서, 상기 중첩 정보의 양은 상기 정적 기준에 의해 설정된 비율에 따라 필터링되고, 상기 비율이 크게 설정되면 일관성을 유지한 많은 양의 양식 데이터가 하이브리드 양식으로 병합될 것이고, 상기 비율이 작게 설정되면 하이브리드 양식의 대부분 과거의 반복에서의 양식구성되는시스템. [청구항 57] 제 55 항에 있어서,우선 모드에서, 상기 두 데이터 세트가 상기 양식의 동일한 장소에 있는 특징을 정의하기 위해 경쟁할 경우, 우선순위 프로세스는 어떤 특징이 두드러지게 나타나는지, 어느 것이 오버랩되고 숨겨지는지를 선택하고,상기 하이브리드 양식으로 하나의 특성만이 차지할 수 있는 경우, 상기 우선 순위 프로세스발생하는시스템. [청구항 58] 제 55 항에 있어서,상기 스타일 모드에서, 오버랩핑 포인트들이 병합되는 방식으로 상기 정적 기준 및 모드는 상기 모듈이 특정 병합을 다른병합선호하도록하는지시하는시스템. [청구항 59] 제 53 항에 있어서,특성 메이크업(makeup) 및 인덱싱된 보안 poi(points of interest)는 그들의 응답으로 보안 이벤트를 질의(query)하는데 제공되고, 상기 poi는 보안 poi 풀에 저장되며, 상기 poi 는 상기 특징 인덱스와 브리징(bridge) 되며, 보안 이슈에 관한 개별적 특성(personality trait)이 질의 될 때, 해당 poi가 상기 보안 poi 풀에서 검색되고, 관련 이벤트 및 응답 저장이 검색되어 반환되며, poi 인터페이스 모듈에서, 상기 개별적 특성은상기와관련되는시스템. [청구항 60] 제 53 항에 있어서,응답 파서를 더 포함하고, 상기 응답 파서는, a) 보안 이벤트 및 보안 이벤트에 대한 응답을 설명하는 데이터가 수신되는 크로스 레퍼런스 모듈(cross reference module)로, 상기 보안 행동 모듈은 알려진 poi를 제공하고, 보안 이벤트에 태그된 개별적 특성에 대한 입력이 수신되는 상기 크로스 레퍼런스 모듈;b) 과거의 보안 행동으로부터의 개별적 특성 및 패턴 상관 관계의 처방에 기초하여 보안 응답을 개인적 특성과 연관시키는 특성 태깅 모듈; 및c) 상기 특성 태깅 모듈로부터 특성 메이크업을 수신하고 그 내부 호환성을 평가하는 특성 상호작용 모듈;을 포함하고, 상기 보안 이벤트, 상기 응답, 상기 특성은 상기 보안 행동 클라우드저장되는시스템. [청구항 61] 제 53 항에 있어서,보안 룰 세트(ruleset)은 인위적인 취약성 공격으로 테스트되며, 결과 피드백 모듈은 상기 취약성 공격이 실행된 후 상기 취약성 공격이 작동하고 취약성 공격 db에 통합되어야 하는지 여부를 결과로 제공하며, 상기 정보 릴리스(공개) 모듈은 다음 취약성 공격이 어떻게 보이는지 에 대한 세부 사항을 창조성 모듈(creativity module)로 제공하며, 상기 정보 릴리스 모듈과 상기 취약성 공격(exploit) db 간 정보는 병합되며, 상기 취약성 공격은 모든 진화 경로가 병렬로 동시에 동일한 취약성 공격으로 테스트되는 배치(batch)로서 수행되며, 상기 창조성 모듈은 선행하는 취약성 공격의 강점을 사용하는 하이브리드 취약성 공격을 생성하고, 상기 정보 릴리즈 모듈에 의한 결과에 기초하여 상기 취약성 공격의 알려진 취약점회피하는시스템. [청구항 62] 제 61 항에 있어서,감독 관리 모듈(oversight management module)은 상기 취약성 공격 db 및 사용 현황(usage)의 발전을 모니터링하며, 상기 취약성 공격들은 외부 입력에 의해 생성/수정/제거되고, 상기 취약성 공격들은 특정 조건 내에서 상기 취약성 공격이 과거에 어떻게 수행되었고 그 취약성 공격이 중요한 것인지를 설명하는 알려진 행동 이력함께 저장되는시스템. [청구항 63] 제 53 항에 있어서,상기 시스템은 모니터링/상호작용 시스템을 더 포함하며, 상기 창조성 모듈은 경로에 대한 다음 세대(next generation)를 생성하고, 2개의 입력 양식(forms)은 보안 행동 클라우드로부터의 컴파일된 보안 행동 및 보안 리뷰 모듈로부터의 변수이며, 상기 결과적인 하이브리드 양식은 반복 프로세서로 푸시 되고, 상기 반복 프로세서는 상기 창조성 모듈로부터 푸시된 상기 하이브리드 양식을 처리하고, 다음 세대를 어셈블링하고, 상기 다음 세대를 상기 관련된 진화 경로로 로딩하며, 상기 보안 검토 모듈은 진화 경로로부터 보고 변수들을 수신하고, ast(artificial security threat) 시스템에 대한 보안 성능을 평가하며, 추가 검토를 위한 보고서를 출력하고, 다음 세대를 반복하기 위해 상기 창조성 모듈에 상기 보고서를 전달하고, 상기 보안 행동 클라우드는 관련 이벤트 및 응답을 보안 검토 모듈에 제공하며, 상기 기준은 특성 인덱스 질의(query)를 통해 결정되고, 만일 성능 평가가 양호하다고 수신되면, 상기 보안 검토 모듈은 보안 행동 클라우드에서 공격을 중단하기 위한 더 나은 공격을 찾아내고, 상기 특성 메이크업은 상기 보안 행동 클라우드에 제공되어 상기 보안 행동 클라우드는 상기 세대간 룰-세트(generational rule-set)가 어떻게 구성되어야 하는지를 안내하기 위해 상기 창조성 모듈로 상기 특성 메이크업제공하는시스템. [청구항 64] 제 63 항에 있어서,자동 성장 유도 시스템은 외부 통제와 모니터링 및 상호작용 시스템 사이에 개입하며, 모듈 유형은 원하는 모듈 행동이 무엇인지를 식별하고, 강제 피드백은 새로운 명령이 주어질 때마다 그 현재의 상태에 대해 알려주는 모듈에 대한 응답이며, 고 레벨 마스터 변수들은 정적 기준으로 외부적으로 입력되고, 상기 창조성 모듈은 이전에 원하던 결과가 부여된 후 새롭게 원하는 결과와 실제 결과를 식별하고, 상기 제어된 모듈의 상황 및 상태를 포함하는 실제 결과는 모듈 트래킹 db 에 저장되고, 상기 모듈 트래킹 db는 상기 모듈 및 상기 창조성 모듈에 의해 채워지고, 상기 모듈 트래킹 db는 상기 제어된 모듈에 대한 내부적으로 선택된 성장 패턴을 반영하는 입력 양식(input form) 을 상기 창조성 모듈로 입력하고, 상기 창조성 모듈은 모듈에 대한 새로운 제어를 상기 모듈 트래킹 db 및 상기 모듈 자체에 푸시하며, 상기 모듈들은, 모듈 트래킹이 단일 인스턴스로 동작하는 것 및 다수의 모듈이 동시에 처리되도록 분할되는 것을 제외하고는, 병렬로 제어되며, 실제 모듈 이력으로부터 도출된 정보를 포함하는 상기 제어된 모듈로부터의 피드백은 상기 현실 db(realistic db) 에 저장되고, 상기 이론 db(theory db)는 상기 창조성 모듈에 의해 제공되는, 상기 모듈을 위한 이론적인 제어를 포함하며, 제어가 예상대로 수행되면 동일한 성장 패턴이 유지되고, 제어가 특이하게(odd) 수행되면 대체 성장 패턴채택되는시스템. [청구항 65] 제 53 항에 있어서,상기 시스템은 악성 코드 예측 추적 알고리즘을 더 포함하며, 여기서 메이크업의 이론적인 변수를 고려하도록 기존 악성 코드가 반복되고,이론적인 시간이 진행됨에 따라 악성 코드는 창조성 모듈과 상호 작용하여 진화하며, 여기서 카테고리 a 는 위협이 주어진 인식 및 제거 이력으로 확인된 악성 코드를 나타내며, 카테고리 b 는 시스템이 그 존재를 인식하지만, 절대적인 신뢰도로 인식할 수 없거나 제거할 수 없는 악성코드를 나타내며, 카테고리 c 는 가능한 모든 방법으로도 시스템에 완전히 알려지지 않은 악성코드를 나타내며, 상기 프로세스는 상기 카테고리 a로부터 시작하고, 알려진 악성코드가 상기 창조성 모듈로 푸시되어 현재 알려지지 않은 악성 코드를 나타내는 잠재적인 변화를 포함하는 하이브리드 양식을 생성하며, 그런 다음, 상기 카테고리 b에 기초하여, 이론적인 프로세스를 통해 알려지지 않은 위협이 무엇인지에 대한 최선의 추정을 제시하며, 상기 카테고리 c에 기초한 프로세스는 시스템이 인식하지 못하고 예측하려고 노력하는 실제 위협을 나타내며, 패턴은 알려지고 확인된 반복의 변이(transition)를 나타내기 위해 생성되며, 상기 변이 패턴(transition pattern)은 현재 알려지지 않은위협예측하는데사용되는시스템. [청구항 66] 제 53 항에 있어서,상기 시스템은 신뢰할 수 있는 플랫폼 보안 정보 동기화 서비스를 포함하는 클라우드 및 계층화된 정보 보안을 통한 크리티컬 인프라 보호 및 보복(cipr/ctis; critical infrastructure protection 0026# retribution through cloud 0026# tiered information security)를 포함하고, 여기서 정보는 mnsp(managed network 0026# security-services provider) 내의 다수의 보안 알고리즘 사이에서 흐르고, 기업 인트라넷, 엑스트라 넷 및 인터넷 내의 모든 기업의 트래픽은 실시간 및 소급 보안 분석을 위해 vpn 을 통해 상기 mnsp 클라우드로 릴레이되며, 상기 소급 보안 분석에서 이벤트와 보안 응답 및 특성은 추후 질의를 위해 저장되고 색인화되며 음모 탐지는 여러 보안 이벤트에 대한 일상적인 백그라운드 검사를 제공하고 패턴 및 상관 관계를 결정하려고 시도하며, 병행 진화 경로는 숙성되어 선택되며, 반복 세대(iterative generations)가 동일한 ast 배치(batch) 에 적응하여 최상의 개별적 특성을 가진 경로가 결국 가장 큰 보안 위협에 저항하고, 이때 실시간 보안 분석에서, 신택스 모듈(syntax module) 은 컴퓨터 코드를 읽고 쓰는데 필요한 프레임워크를 제공하며, 목적 모듈(purpose module)은 코드로부터 목적을 추출하기 위해 상기 신택스 모듈을 사용하고, 상기 목적을 자신의 컴플랙스(commplex) 목적 포맷으로 출력하며, 기업 네트워크 및 데이터베이스가 가상(fake) 환경에서 복제되며, 민감한 데이터는 가짜 데이터로 대체되고, 신호 모방은 가상 난독화(분석)의 분석적 결론에 도달했을 때 사용되는 보복 형식을 제공하고, 외부 코드의 모든 내부 기능이 의미가 있는지를 검사하고, 상기 신택스(syntax) 모듈 및 상기 목적 모듈을 사용하여 상기 외부 코드를 컴플랙스 목적 포맷으로 줄이고, 데이터 및 전송 패킷에 은밀하게 포함된 코드를 탐지하고, 상기 외부 코드가 시스템의 전체 목적에 부합하는 지 결정하기 위해 필요와 목적의 매핑된 계층 구조참조되는시스템. [청구항 67] 제 53 항에 있어서,상기 시스템은 논리적 추론된 제로-데이터베이스 선험적 실시간 방위(a logically inferred zero-database a-priori realtime defense (lizard))를 더 포함하며, 여기서 lizard의 인스턴스(instance)를 통해 기업 시스템 내의 모든 디지털 전송이 중계(릴레이)되고, 상기 기업 시스템 외부로부터의 모든 아웃고잉/인커밍 정보는 상기 lizard vpn 및 lizard 클라우드를 통해 채널링되며, 반복 모듈 (im; iteration module)은 정적 코어 (sc)를 사용하여 동적 쉘 (ds)의 코드베이스를 구문적으로(syntactically) 변경하고, 상기 변형된 버전은 인위적 보안 위협 (ast; artificial security threat)에 의한 다수의 다양한 보안 시나리오와 병행하여 스트레스 테스트되고, 상기 lizard가 낮은 신뢰 결정을 수행하는 경우, 관련 데이터를 ast에 중계하여 lizard의 향후 반복을 개선하고, 상기 ast는 상기 반복된 프로세스를 가능하게 하는 시뮬레이션 된 보안 위협을 갖는 가상 테스트 환경을 생성하고, 상기 lizard의 정적 코어는 처음에는 더 단순한 함수로부터 논리적으로 필요한 함수를 유도하고, 상기 신택스 모듈에 의해 직접 해석되는 임의의 (일반) 코드를 변환하고, 상호 연결된 함수의 맵을 생성하기 위해 코드 논리를 단순화하여 유형을 줄이고, 반복 확장은 세부 성과와 복잡성을 추가하여 목적 연관성을 참조함으로써 단순한 목표(goal)를 복잡한 목적(purpose)으로 진화시키고, 가상 난독화 모듈 (virtual obfuscation module)은 이들을 점차적 그리고 부분적으로 가상화된 가짜 환경으로 잠입시킴으로써 코드를 혼동 및 제한하며, 여기서 악성코드(malware) 는 기업 보안 시스템을 우회하며, 상기 lizard는 유입되는 코드 블록의 의도/목적에 대해 낮은 신뢰도 평가를 갖고 의심스러운 코드는 데이터의 절반이 가짜 데이터와 지능적으로 섞인 환경에 은밀하게 할당되며, 실제 데이터 싱크로나이저(동기화기)는 혼합된 환경에 어떤 우선 순위로 부여할 데이터를 지능적으로 선택하며, 모의 데이터 생성기(mock data generator)는 모조의 소용없는 데이터를 만들기 위한 템플릿으로 실제 데이터 싱크로나이저(동기화기사용하는시스템. [청구항 68] 제 53 항에 있어서,상기 시스템은 사이버 공간 모듈 내에서, 슬리퍼(sleeper) 이중 첩자가 은밀하게 민감한 파일의 복사본을 캡처하고 캡처 된 파일이 기업 네트워크 외부의 불량한 대상 서버로 푸시 되는, 은밀한 조작을 통한 은밀한 기계 지능 및 보응(응징)을 더 포함하며, 여기서 실시간 및 장기 분석을 위해 전달되는 표준 로그가 생성되고,실시간 분석은 악의적 활동에 대해 즉각적인 인식을 수행한 후 실행 전에 중지시키고, 장기 분석은 더 많은 시간을 분석한 후에 악의적인 행동인식하는시스템. [청구항 69] 제 3 항에 있어서,상기 시스템은 관찰자의 에뮬레이션을 생성하고, 인식(perception)의 모든 잠재적인 포인트를 관찰자 에뮬레이션의 변형들과 테스트하고/비교하는, 비판적 사고(critical thinking), 메모리 및 인식 알고리즘(a critical thinking, memory and perception algorithm)을 더 포함하며, 선택된 인식(perceptions)의 우선 순위는 가중치에 따라 내림차순으로 선택되고, 상기 정책은 컷 오프(cut off)를 선택하는 방식을 나타내며, 인식 및 관련 가중치는 이들의 인덱스로서 비교 가능한 변형 포맷(comparable variable format (cvf))과 함께 저장되며, 데이터 강화된 로그로부터 추출된 cvf는 인식 저장소의 데이터베이스 검색의 기준으로 사용되며, 메트릭(metric) 프로세싱 모듈은 선택된 패턴 매칭 알고리즘(spma; selected pattern matching algorithm) 보안 응답으로부터 상기 변형들(variables)을 리버스 엔지니어링을 수행하고, 상기 보안 응답의 일부 및 이에 대응하는 시스템 메타데이터는 보안 응답의 원 인식(original perception)을 복제하는 데 사용되며, 디버깅 및 알고리즘 트레이스는 전통적인 신택스 기반의 정보 카테고리화를 이용하여 별개의 카테고리들로 분리되며, 상기 카테고리들은 보안 위험 및 주체에 대한 상관 관계를 갖는 별개의 보안 응답을 구성하고생성하는데이용되는시스템.