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 제27권 제5호
발행연도
2017.10
수록면
466 - 474 (9page)
DOI
10.5391/JKIIS.2017.27.5.466

이용수

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

초록· 키워드

오류제보하기
본 논문에서는 침입탐지 데이터셋을 사용하여 이상 행위를 탐지하고 데이터 전처리 과정의 효율성을 높이기 위해 훈련 데이터의 클래스 비율을 조절한다. 제안 방법의 성능을 입증하기 위해 머신러닝 알고리즘들을 사용하여 비교 실험을 한다. 일반적으로 머신러닝을 기반으로 한 분류 알고리즘을 적용할 때 클래스의 크기는 분류에 많은 영향을 끼친다. 주요 클래스 크기가 희소 클래스에 비해 많이 큰 경우에는 주요 클래스로만 분류되는 경향이 있다. 희소 클래스의 비율이 최소 0.5% 이상 되도록 유지하고, 희소 클래스의 분류 효율을 높일 수 있는 적절한 비율을 찾고자 한다. 기존 데이터에 랜덤성을 부여하여 희소 클래스들의 수를 증가시키는 SMOTE (Synthetic Miniority Over-sampling TEchnique) 기법을 사용한다. 실험에 사용한 KDD CUP 1999 데이터셋은 R2L과 U2R 공격 유형에 해당하는 클래스의 수가 매우 적어서 높은 분류 효율을 내기 어려운 점이 있다. 본 연구에서는 여러 클래스들 간의 관계 및 분포를 분석한 후, 주요 클래스와 희소 클래스의 비중을 조절하는 방법을 사용하여 분류 효율을 개선하였다. 특히, 희소 클래스의 탐지 여부에 높은 비중을 두면서 전체적인 분류 성능을 개선하고자 하였다. 훈련 데이터셋의 희소 클래스인 U2R, R2L 및 Probe를 각각 120배, 9배, 1.5배 증가시킨 recall 실험 결과에서, k-NN 실험에 대해 U2R 클래스의 경우 0.11, R2L 클래스의 경우 0.02의 성능 향상을 보였다. SVM 실험에서 U2R 클래스의 경우 0.02, R2L 클래스의 경우 0.08의 성능 향상을 보였으며, 의사결정트리 실험에서는 U2R 클래스의 경우에 0.25의성 능 향상을 보였다.
#침입탐지 #기계학습 #데이터 전처리 #희소 클래스 #IDS #Machine Learning #Data Preprocessing #Rare Class

목차

Abstract
요약
1. 서론
2. 관련연구
3. 데이터셋
4. 데이터 전처리 및 제안방법
5. 실험
6. 결론 및 향후 연구
References

참고문헌 (17)

참고문헌 신청
Intrusion Detection, https://en.wikipedia.org P. Dokas, L. Ertoz, V. Kumar, A. Lazarevic, J. Srivastava, and P. N. Tan, “Data mining for network intrusion detection,” In Proceedings of NSF Workshop on Next Generation Data Mining, pp. 21-30, 2002. N. V. Chawla, A. Lazarevic, L. O. Hall, and K. W. Bowyer, “SMOTEBoost: Improving prediction of the minority class in boosting,” In European Conference on Principles of Data Mining and Knowledge Discovery, pp. 107-119, 2003. D. S. Kim, H. N. Nguyen, and J. S. Park, “Genetic algorithm to improve SVM based network intrusion detection system,” In 19th International Conference on Advanced Information Networking and Applications (AINA'05), vol. 2, pp. 155-158, 2005. M. Tavallaee, E. Bagheri, W. Lu, and A. A. Ghorbani, “A detailed analysis of the KDD CUP 99 data set,” In Proceedings of the Second IEEE Symposium on Computational Intelligence for Security and Defence Applications 2009.

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

개인정보 비식별화 역추적을 위한 머신러닝 활용에 대한 연구 제시
오예원 ,  김기천 한국통신학회 학술대회논문집 2018 .01
독일과 EU에서 Industry 4.0 : 소유권과 접근권 사이의 데이터 주도 경제에서 데이터
Hans-Hein ,  ich T ,  ute 외 1명 경제규제와 법 2017 .11
SVM과 인공 신경망을 이용한 침입탐지 효과 비교 연구
조성래 ,  성행남 ,  안병혁 한국산학기술학회 논문지 2016 .02
[국문 번역문] 사물인터넷(IoT) : 독일적 관점에서의 논평
Hans-Hein ,  ich T ,  ute 외 1명 경제규제와 법 2016 .05
데이터 처리를 위한 빅데이터와 머신러닝 플랫폼 조사 및 성능 비교
박정민 ,  노재춘 대한전자공학회 학술대회 2017 .06

최근 본 자료

전체보기

댓글(0)

0