메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
이예슬 (숭실대학교 대학원 융합소프트웨어학과) 김명호 (숭실대학교)
저널정보
한국IT정책경영학회 한국IT정책경영학회 논문지 한국IT정책경영학회 논문지 제10권 제1호
발행연도
2018.1
수록면
707 - 718 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
최근 기업 내부 정보 유출이 증가하고 있다. 내부 정보 유출의 대부분은 내부자에 의해 발생하고 있어, 회사는 이를 방지하기 위해 몇 가지 보안 솔루션을 적용하는 중이다. 그러나 사전에 정보 유출을 방지하는 데에는 한계가 있어 데이터 누출 감지에 딥 러닝 학습을 적용한 솔루션에 대한 연구가 부족한 실정이다. 본 논문에서는 다양한 심층 학습 모델을 적용하여 내부 데이터 유출 위험 분류를 판단하는 방법을 제안한다. 보안 이벤트는 내부 사용자 정보 유출의 위험을 결정하기 위해 보안 장치를 통해 얻은 보안 로그 및 사용자 정보를 매핑하여 각 사용자에 대해 생성하였다. 매핑된 데이터를 기반으로 한 교육 데이터가 생성되어 MLP, LSTM 및 GRU와 같은 심층 학습 모델에 적용되어 모델 간의 성능을 비교한다. 또한, 숨겨진 노드의 수와 활성화 함수가 변경되고 그 효과를 검사하였다. 실험 결과에 따르면 GRU 모델에 softmax 활성화 함수가 적용된 모델이 드롭 아웃 없이 가장 높은 성능과 93 %의 정확도를 보였다.

목차

등록된 정보가 없습니다.

참고문헌 (17)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0