| 한글제목(Korean Title) |
SMOTE 기법을 적용하여 네트워크 트래픽 데이터의 불균형을 해소한 기계학습 연구 |
| 영문제목(English Title) |
A Study on Machine Learning by Applying SMOTE Technique to Eliminate the Unbalance of Network Traffic Data |
| 저자(Author) |
류경준
신동규
신동일
Kyungjoon Ryu
Dongkyoo Shin
Dongil Shin
|
| 원문수록처(Citation) |
VOL 20 NO. 02 PP. 0189 ~ 0190 (2019. 11) |
한글내용
(Korean Abstract) |
사이버전 침해 대응에 있어 네트워크상에서 들어오는 트래픽이 정상인지 비정상인지, 비정상이라면 어떤 유형의 비정상 트래픽인지 분류가 필요하다. 현재 다양한 분류 알고리즘이 존재하며 알고리즘 성능은 상당히 높은 수준이다. 하지만, 해당 알고리즘을 이용해 학습하고자하는 데이터의 결핍이나 불균형과 같은 문제로 인해 앞서 말한 높은 성능의 알고리즘으로도 좋은 성능을 기대할 수 없을 것이다. 본 논문에서는 UNB(University of New Brunswick) 에서 제공하는 정상 및 비정상 네트워크 트래픽이 요일 및 유형별로 분류되어 있는 CSE-CIC-IDS 2018 데이터 셋으로 트래픽 분류 및 탐지에 앞서, 근본적인 문제로 데이터 셋에 존재하는 불균형 문제를 SMOTE 알고리즘으로 해결하고자 하였다. 데이터 불균형 해소 정도를 보이기 위해 3가지 분류 알고리즘을 이용해 일부 성능이 개선되었음을 보였다. 향후, CSE-CIC-IDS 2018 데이터 셋에 대한 불균형 해결 방법에 있어서 다양하고 최적화된 알고리즘을 연구하여 더 나은 성능을 기대 할 수 있을 것으로 보인다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
