이 연구는 제로 트러스트 소프트웨어 정의 네트워크(SDN)에서 마이크로 세그멘테이션이 이상 탐지 정확도를 얼마나 높이는지 비전 트랜스포머(ViT)와 1D CNN 두 딥러닝 모델로 검증했다. 시뮬레이션된 제로 트러스트 SDN 데이터셋에서 세그멘테이션된 입력으로 학습한 모델은 F1 점수 0.95를 기록해, 미분할 원시 데이터를 쓴 모델의 F1 0.90보다 뚜렷이 향상됐다. 두 모델 중 ViT 기반 탐지기가 미세한 측면 이동(lateral movement) 패턴을 포착하는 데 있어 1D CNN보다 약간 더 우수한 성능을 보였다. 연구진은 향후 대규모 실제 네트워크 데이터와 동적 온라인 세그멘테이션 기법으로 연구를 확장할 계획이다.

• •제로 트러스트 SDN에서 마이크로 세그멘테이션이 이상 탐지 정확도를 크게 향상
• •세그멘테이션 입력 모델 F1 0.95 vs 비분할 원시 데이터 모델 F1 0.90
• •ViT 기반 탐지기가 1D CNN보다 미세한 측면 이동 패턴 탐지에서 근소하게 우수
• •실험은 시뮬레이션 데이터셋 기반, 향후 실제 네트워크 데이터로 확장 예정