Current Result Document : 83 / 83
| 한글제목(Korean Title) |
ADFA-LD 데이터 세트를 활용한 기계학습 기반 침임 탐지 및 전처리 연구 |
| 영문제목(English Title) |
A Study on an Intrusion Detection and Preprocessing based on Machine Learning which utilizes ADFA-LD Data Set |
| 저자(Author) |
윤경찬
신동일
신동규
김상수
YoonKeoungchan
Dongil Shin
Dongkyoo Shin
Kim Sang Soo
|
| 원문수록처(Citation) |
VOL 22 NO. 01 PP. 0021 ~ 0022 (2021. 04) |
한글내용
(Korean Abstract) |
호스트 기반 침입 탐지 시스템에서 기계학습을 활용한 침입 탐지 연구는 오랜 기간 연구되어온 주제로, 많은 선행 연구들이 있다. 선행 연구들에서는 벤치마크를 위해 DARPA 및 UMN 침입 탐지 데이터 세트를 일반적으로 사용하였지만 두 데이터 셋은 공개 된지 오랜 기간이 지났으며, 따라서 수집된 데이터들은 현대 운영 체제 환경을 평가하기에 적합하지 않은 문제를 가지고 있다. ADFA 데이터 세트는 앞서 언급된 문제점을 해결하기 위해서 새롭게 제안된 데이터 셋으로, 더 현대적인 공격 기법을 반영하는 데이터를 포함하고 있다. 따라서 본 논문에서는 ADFA 데이터를 활용해 기계학습 기반의 침입 탐지 연구를 수행하였으며, 다양한 분류 모델들을 통해 실험을 진행하였다. ADFA 데이터 셋은 시스템 호출(System call)로 구성되어 있으며, 이러한 데이터들의 특징을 추출하기 위해서 자연어 처리에서 사용되는 n-gram 기법을 활용하여 전처리를 진행하였다. 실험은 ADFA에서 제공되는 6개의 공격을 개별적으로 탐지하는 다중 분류 문제와 전체 공격을 하나로 보는 이진 분류로 나뉘어 설계하였으며, n-gram의 토큰 사이즈를 변경해가며 각 모델의 성능을 비교하였다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
