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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
서재현 (원광대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제28권 제2호
발행연도
2018.4
수록면
152 - 159 (8page)
DOI
10.5391/JKIIS.2018.28.2.152

이용수

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

초록· 키워드

오류제보하기
침입탐지 시스템의 네트워크 트래픽 데이터를 사용하여 공격 유형을 분류하기 위한 다양한 시도가 있어왔다. 최근에 많은 연구자들은 새로운 공격 유형을 탐지하기 위하여 서명 (signatures) 기반의 탐지 방법과 인공지능 기반의 탐지 방법을 함께 사용한다. 침입탐지 데이터 셋을 사용한 공격 유형 분류에서 클래스 불균형 문제를 다루는 것은 쉽지 않다. 주요 클래스와 희소 클래스 간의 샘플 수의 차가 클수록 많은 샘플을 가진 클래스 쪽으로 분류되는 경향이 있다. 따라서 다수 클래스와 희소 클래스 간의 샘플 수를 적절히 조절하는 방법이 필요하다. 본 연구에서는 SMOTE (Synthetic Minority Over-sampling Technique) 기법을 사용하여 희소 클래스의 샘플 수를 증가시키는 방법을 사용한다. 실험 데이터 셋은 제3회 국제 지식 발견 및 데이터 마이닝 도구 경진 대회에 사용된 KDD CUP 1999 데이터 셋을 사용한다. 기계 학습을 사용한 실험 결과와 딥러닝을 사용한 실험 결과를 비교하여 제안 방법의 효율이 높음을 보이고자 한다. 기존 연구에서 k-NN (k-Nearest Neighbor), SVM (Support Vector Machine) 및 의사결정트리를 사용한 공격 유형 분류 실험을 하였고, 그 중 SVM 알고리즘을 사용한 실험이 가장 우수한 결과를 보였다. 의사결정 트리를 사용한 실험은 Probe 클래스 분류에 가장 효과적이었다. MLP (Multi-Layer Perceptron) 알고리즘을 사용한 실험 결과는 다른 알고리즘을 사용한 실험 결과보다 상대적으로 좋지 않은 결과를 보였다. 시계열 기반의 데이터 분류에 효과적인 RNN-LSTM (Recurrent Neural Network - Long Short-Term Memory) 알고리즘은 다른 알고리즘보다 우수하거나 유사한 수준의 결과를 보였다.
#침입탐지 #딥러닝 #데이터 전처리 #희소 클래스 #RNN LSTM #IDS #deep learning #data preprocessing #rare class

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 데이터셋
4. 데이터 전처리 및 제안 방법
5. 실험
6. 결론 및 향후 연구
References

참고문헌 (26)

참고문헌 신청
M. H. Kang, Completion of IDS and Security Control, WowBooks, 2016. “Intrusion Detection”, Available: https://en.wikipe dia.org, [Accessed: April 18, 2018] R. C. Staudemeyer, “Applying long short-term memory recurrent neural networks to intrusion detection,” South African Computer Journal, vol. 56, no. 1, pp. 136-154, 2015. “KDD CUP 1999 Dataset”, Available: http://kdd. ics.uci.edu/ databases/kddcup99/kddcup99.html, [Accessed: April 18, 2018] K. Leung and C. Leckie, “Unsupervised anomaly detection in network intrusion detection using clusters,” In Proceedings of the Twenty-eighth Australasian conference on Computer Science, vol. 38, pp. 333-342, 2005.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

클래스 불균형 데이터에 적합한 기계 학습 기반 침입 탐지 시스템
정윤경 ,  박기남 ,  김현주 외 2명 정보보호학회논문지 2017 .12
RNN과 LSTM을 이용한 주가 예측율 향상을 위한 딥러닝 모델
신동하 ,  최광호 ,  김창복 한국정보기술학회논문지 2017 .10
딥러닝 기반의 R-CNN을 이용한 악성코드 탐지 기법
조영복 디지털콘텐츠학회논문지 2018 .06
다차원 신경망 및 의사결정 신경망의 딥러닝 학습을 통한 영상인식
이상헌 ,  김동연 ,  조영완 한국지능시스템학회 논문지 2018 .02
기계학습 방법에 기반 한 불균형 침입탐지 데이터 분류법의 성능평가에 관한 연구
서재현 한국지능시스템학회 논문지 2017 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-003-001847458