이 연구는 인간 운영자 훈련용 사이버 레인지 환경에서 자동화된 네트워크 침입 대응 에이전트의 성능을 평가했다. 가변적 네트워크 토폴로지와 레드팀 에뮬레이션, 시뮬레이션된 사용자 에이전트를 갖춘 환경에서, 방어 에이전트는 가용성 비용을 최소화하면서 레드팀의 호스트 접근을 차단하는 것을 목표로 했다. SIEM 플랫폼에서 생성된 경보를 데이터 모델링 언어로 매핑한 뒤 휴리스틱 에이전트와 강화학습 기반 정책을 함께 실험한 결과, 강화학습 에이전트가 전반적으로 휴리스틱 정책보다 방어 효율이 높았다. 다만 성능은 공격자 정책과 시뮬레이션된 사용자 행동의 조합에 크게 좌우되는 것으로 나타나, 실전 배치 전 다양한 위협 시나리오에 대한 견고성 검증이 필요함을 시사한다.

• •가변 네트워크 토폴로지와 레드팀 에뮬레이션을 갖춘 사이버 레인지에서 자동 침입 대응 에이전트 평가
• •SIEM 경보를 데이터 모델링 언어로 매핑해 휴리스틱 에이전트와 강화학습 정책을 비교 실험
• •강화학습 기반 방어 에이전트가 전반적으로 휴리스틱 정책보다 우수한 방어 효율 기록
• •성능이 공격자 정책과 시뮬레이션 사용자 행동의 조합에 크게 좌우됨을 확인