개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2020.12
- 수록면
- 2,114 - 2,122 (9page)
- DOI
- 10.7840/kics.2020.45.12.2114
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
네트워크 침입 탐지 데이터는 기본적으로 다수의 정상 데이터와 극소수의 공격 데이터로 구성되어 있다. 이러한 데이터 불균형 문제는 소수 데이터의 예측 편향과 이상치로 오판 등의 예측 성능 저하 요인을 야기한다. 불균형 문제를 해소하기 위한 대표적인 방법으로는 SMOTE 알고리즘에 기반한 다양한 소수 데이터 합성 모델이 있다. 그러나, 생성적 적대 신경망(GAN) 모델이 개발된 이후는 이를 활용한 소수 데이터의 합성에 대한 연구가 활발하다. 본 연구에서는 생성적 적대 신경망에 기반한 CTGAN 오버 샘플링 모델을 이용하여 침입 탐지 데이터의 불균형 문제를 해소하고, SMOTE 기반 모델들과 그 성능을 비교한다. 이에 그치지 않고, 유사 공격을 직접 발생 시켜 분류 모델의 실무 적용 가능성까지 확장한다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험
Ⅳ. 결론
References
참고문헌 (28)
참고문헌 신청
Institute of Financial Security Research, “Trends in machine learning-based abnormal transaction detection systems(2017),” Retrieved Jun. 28, 2020, from https://www.fsec.or.kr/common/proc/fsec/bbs/42/fileDownLoad/1269.do
K. Gook, B. Gong, “Development trend of security technology using artificial intelligence,” Weekly ICT Trends by IITP, vol. 1913, no. 1, pp. 2-15, Sep. 2019.
S. Supriya and T. Samrat, “A review on deep learning method for intrusion detection in network security,” IEEE ICIMIA, pp. 173-177, Bangalore, India, March 2020.
W. Chen, F. Mei, F. Kong, G. Yuan, and B. Li, “A novel unsupervised anomaly detection approach,” IEEE 3rd Int. Conf. Big Data Security on Cloud, pp. 69-73, Beijing, China, May 2017.
R. Chalapathy and S. Chawla, “Deep learning for anomaly detection: A survey,” arXiv:1901.03407v2, Jan. 2019.
S. Supriya and T. Samrat, “A review on deep learning method for intrusion detection in network security,” IEEE ICIMIA, pp. 173-177, Bangalore, India, March 2020.
W. Chen, F. Mei, F. Kong, G. Yuan, and B. Li, “A novel unsupervised anomaly detection approach,” IEEE 3rd Int. Conf. Big Data Security on Cloud, pp. 69-73, Beijing, China, May 2017.
R. Chalapathy and S. Chawla, “Deep learning for anomaly detection: A survey,” arXiv:1901.03407v2, Jan. 2019.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
기상 데이터 불균형 문제를 고려한 CTGAN 오버샘플링 기반의 태양광 발전량 예측 기법
한국정보과학회 학술발표논문집
2022 .12
-
공공기술 사업화를 위한 CTGAN 기반 데이터 불균형 해소
한국정보통신학회논문지
2022 .01
-
검증데이터 기반의 차별화된 이상데이터 처리를 통한 데이터 불균형 해소 방법
지능정보연구
2022 .12
-
A Comparative Study on Data Augmentation Using Generative Models for Robust Solar Irradiance Prediction
한국컴퓨터정보학회논문지
2023 .11
-
패킷 페이로드 분석과 오버샘플링을 적용한 트랜스포머 기반 침입탐지 모델
한국정보기술학회논문지
2024 .10
-
Oversampling 기법 및 이상치 제거 방법을 통한 데이터 구축 연구
한국지반공학회논문집
2024 .10
-
SMOTE 알고리즘을 사용한 불균형 데이터의 분류 성능 개선
정보 및 제어 논문집
2020 .10
-
다양한 데이터 전처리 기법과 데이터 오버샘플링을 적용한 GRU 모델 기반 이상 탐지 성능 비교
정보보호학회논문지
2022 .04
-
산업제어 시스템에서의 머신러닝 및 딥러닝 기반 이상탐지
한국정보통신학회논문지
2025 .02
-
특징학습과 계층분류를 이용한 침입탐지 방법 연구
한국전자통신학회 논문지
2024 .02
-
Identification of Generative Adversarial Network Models Suitable for Software Defect Prediction
Journal of KIISE
2022 .01
-
효율적인 침입탐지를 위한 머신러닝 모델과 뉴럴 네트워크 모델의 침입탐지 효과 비교
한국정보과학회 학술발표논문집
2017 .06
-
적대적 생성 신경망(GAN)을 활용한 오버샘플링에 관한 연구
한국지능정보시스템학회 학술대회논문집
2018 .06
-
네트워크 침입탐지 기술 연구 동향
전자공학회논문지
2019 .08
-
불균형 데이터를 이용한 기계 학습 기반 침입 탐지 성능 실험 설계 및 분석
한국정보과학회 학술발표논문집
2017 .12
-
클래스 불균형 데이터에 적합한 기계 학습 기반 침입 탐지 시스템
정보보호학회논문지
2017 .12
-
Oversampling Techniques for Detecting Bitcoin Illegal Transactions
한국통신학회 APNOMS
2020 .09
-
시계열 모델 기반 CAN 침입 탐지
한국정보과학회 학술발표논문집
2024 .12
-
불균형 빅데이터의 효율적인 분류를 위한 생성적 적대 신경망 기반 오버샘플링 기법
한국정보과학회 학술발표논문집
2017 .12
-
Comparative Analysis of Oversampling Techniques and Feature Selection for Intrusion Detection
한국통신학회논문지
2024 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0