Efficiently managing and controlling the network is one of the biggest problems in this present living world. In order to understand low-level network messages, we need a deep understanding of network service-specific knowledge. Moreover, due to the explosive growth of mobile and cloud services, the number of network services has also grown significantly, making existing problems even more difficult.
In this dissertation, we argue that understanding the semantics of network traffic leads to remedies for more efficient and effective network service management. To substantiate our claim, we present the design and implementation of two network systems. First, we show Lumos that improves IoT interoperability by leveraging Android apps that control Internet-of-Things (IoT) devices and learn from their behavior. The semantic identification methodology for low-level network messages devised by Lumos can overcome various problems in mobile traffic management, not only IoT. Next, we present Evanesca, a model-based DeFi analysis framework to uncover the abnormal behavior that has recently plagued DeFi services. Furthermore, its approach can be applied not only to DeFi services but also to various decentralized network services such as game, auction, NFT market, and decentralized court, thus it is a new behavior analysis methodology specialized in blockchain ecosystems.
네트워크 트래픽의 의미를 이해하여 네트워크를 효율적으로 관리, 제어하는 것은 여전히 해결하기 어려운 문제로 남아있다. 대상 네트워크 서비스를 깊이 알고 있어야 서비스가 발생시킨 트래픽을 이해할 수 있기 때문이다. 더욱이 모바일, 클라우드 환경의 폭발적인 성장으로 인해 네트워크 서비스의 수 역시 크게 성장하였는데 이는 기존 문제를 더욱더 어렵게 만들고 있다.
본 학위 논문은 네트워크 서비스 프로그램 자동 분석을 통해 프로그램이 발생시키는 저수준 네트워크 메시지를 이해하여 고수준의 의미 정보가 포함된 데이터로 표현하는 방법을 제시하고, 이를 활용하여 네트워크 서비스의 관리, 제어 측면에서 가진 다양한 문제가 효과적으로 해결될 수 있음을 보인다. 본 주장을 뒷받침하기 위해 두 가지 네트워크 시스템에 대한 설계와 구현을 제안한다. 먼저 스마트 홈 IoT 환경에서 상호운용성을 높여 주는 시스템인 루모스를 선보인다. 이 시스템은 스마트 홈 아이오티 환경에서 표준의 부재로 인한 제한된 상호운용성 문제를 다룬다. 모바일 아이오티 프로그램에서 어떻게 아이오티 기기와 통신하는지 네트워크 패킷을 학습하여, 호환되지 않는 플랫폼이나 기기간의 연결을 가능케 하는 네트워크 시스템이다. 루모스에서 고안한 모바일 네트워크 패킷 의미 분석 방법론은 아이오티 뿐만 아니라 모바일 네트워크의 여러 문제를 해결하는데 도움을 줄 수 있다. 다음으로 블록체인의 킬러 서비스인 탈중앙 금융 서비스에서 발생한 저수준 트랜잭션의 의미를 이해하고 의미가 부여된 그래프 자료구조를 바탕으로 누가, 어떻게, 얼마의 이득을 얻었는지 도출하는 시스템인 이바네스카를 소개한다. 최근 탈중앙 금융 생태계가 겪고 있는 부정행위들을 자동으로 탐지하거나 밝혀내기 위한 방법론이다. 또한 이바네스카의 방법론은 탈중앙 금융서비스에 제한되어 있지않아, 블록체인 서비스의 행동을 분석하는데 최적화된 새로운 분석 방법이다.
