Development of AI-based Firewall and comparative study with legacy Firewall

Abstract

การพัฒนา AI-based Firewall เป็นการพัฒนาเพื่อศึกษาการทํางานของ Al-based Firewall และ Firewall แบบเดิมนั้นว่ามีความแตกต่างกันอย่างไร และเพื่อศึกษาถึงความเป็นไปได้ที่ จะนํา AI-based Firewall มาใช้งานจริง โดยการพัฒนา AI-based Firewall ได้ใช้หลักการ Deep Learning โดยเลือกรูปแบบของโมเดลที่ใช้คือ Multilayer Perceptron Model พัฒนาด้วยภาษา Python ร่วมกับ Library อย่าง Tensorflow และ Keras โดยการทํางานของ AI-based Firewall จะประกอบด้วยสองส่วนคือ ส่วนแรกคือชุดข้อมูลกฏและชุดข้อมูล Packet ซึ่งชุดข้อมูลกฏเงื่อนไข ต่างๆจะถูกนํามาแปลงให้เป็นชุด Training set ที่จะใช้ในการสอนโมเดลให้เรียนรู้ กับชุดข้อมูล Packet ที่จะนํามาแปลงให้เป็น Test set สําหรับใช้ในการทดสอบโมเดลที่เรียนรู้แล้วเพื่อให้ทํานาย ผลลัพธ์ออกมา ส่วนที่สองคือส่วนของโปรแกรมประกอบด้วย โปรแกรมที่ทําหน้าที่สร้าง แปลงชุด ข้อมูลเพื่อนําเข้าสู่โมเดล ส่วนของโมเดล (Model) ที่จะเป็นหัวใจหลักในการทํางานของ A-based Firewall และโปรแกรมที่ทําหน้าที่เปรียบเทียบความถูกต้องผลลัพธ์ที่ได้จากการทํานายผลลัพธ์ของ โมเดล เมื่อทําการพัฒนาเสร็จสิ้นแล้วจึงทําการทดสอบตามเงื่อนไขที่จะศึกษาเป็นหลักในครั้งนี้คือการ เขียนและสร้างชุดข้อมูลกฏที่มีความเหมาะสมที่สุด โดยแบ่งเป็นศึกษาในเรื่องของรูปแบบของกฏตั้ง ต้น การใส่ Default rule จํานวนของชุดข้อมูลกฏที่ถูกแปลงเป็นชุด Training set และได้ข้อสรุปว่า รูปแบบของชุดข้อมูลกฏที่ควรสร้างคือ รูปแบบของกฏตั้งต้นควรมีจํานวนหลายบรรทัดและมีเงื่อนไขที่ ผสม ควรมีการใส่ Default rule และจํานวนชุดข้อมูลสามารถใช้ที่จํานวน 300 – 500 ได้ และชุด ข้อมูลควรมีความหลากหลายของทั้งข้อมูลภายในเครือข่ายและนอกเครือข่าย โดย AI-based Firewall นี้สามารถทํางานได้แต่ยังไม่สามารถนําไปใช้ได้จริง แต่ก็เป็นจุดเริ่มต้นในการนําเสนอการ ทํางานของ Firewall ในรูปแบบใหม่ที่ในอนาคตสามารถพัฒนาให้ดีขึ้นต่อไปได้ และจํานวนชุดข้อมูลสามารถใช้ที่จํานวน 300 – 500 ได้ และชุด ข้อมูลควรมีความหลากหลายของทั้งข้อมูลภายในเครือข่ายและนอกเครือข่าย โดย AI-based Firewall นี้สามารถทํางานได้แต่ยังไม่สามารถนําไปใช้ได้จริง แต่ก็เป็นจุดเริ่มต้นในการนําเสนอการ ทํางานของ Firewall ในรูปแบบใหม่ที่ในอนาคตสามารถพัฒนาให้ดีขึ้นต่อไปได้