메뉴 건너뛰기

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
(광운대학교) (광운대학교) (광운대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제49권 제6호
발행연도
수록면
847 - 861 (15page)
DOI
10.7840/kics.2024.49.6.847

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
이 논문의 연구방법이 궁금하신가요?
🏆
연구결과
이 논문의 연구결과가 궁금하신가요?
AI에게 요청하기
추천
검색
질문

초록· 키워드

사물 인터넷(internet of things, IoT) 기기의 확산으로 인해 일상생활의 편의성은 높아지고 있다. 그러나 IoT 기기는 낮은 전력과 성능으로 인해 보안에 할당할 수 있는 자원이 부족하여 네트워크 공격에 취약하다. 네트워크 공격에 대응하기 위해서 기계학습이나 인공 신경망을 이용한 연구가 높은 성능을 보여주었으나, 높은 연산력 및 전력 요구로 인하여 저전력 IoT 기기에서 사용하기에 부적합하다. 본 논문에서는 에너지 효율성이 높은 스파이킹 신경망(spiking neural network, SNN)를 사용하여, 악성 패킷을 탐지하는 이진 분류와 각각의 클래스를 분류하는 다중 분류를 위한 침입 탐지 시스템을 설계하였다. 해당 시스템을 통해, 이진 분류에서는 99.57%의 정확도로 공격을 탐지하였고 심층 신경망(deep neural network, DNN)에 비하여 전력 소모량을 40% 감소시켰다. 다중 분류에서는 주성분 분석(principal component analysis, PCA)을 사용하여 67.13%의 정확도로 클래스를 분류하였다. PCA를 사용하지 않은 DNN에 비하여 전력 소모량을 15.08% 감소시키고 정확도는 9.29%p 증가시켰다. 이러한 결과를 통해 본 논문에서는 저전력 IoT 기기에서 SNN을 사용하면 보다 효과적이고 효율적으로 네트워크 공격을 탐지하고 대응할 수 있음을 보였다.
#IoT #SNNs #Intrusion detection system #Malicious packets #Energy efficiency
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

목차

  1. 요약
  2. ABSTRACT
  3. Ⅰ. 서론
  4. Ⅱ. 기존 연구
  5. Ⅲ. 배경지식
  6. Ⅳ. 실험 방법
  7. Ⅴ. 실험 결과
  8. Ⅵ. 결론
  9. References

참고문헌

참고문헌 신청

최근 본 자료

전체보기
260319_딥리서치
260319_AI리더
260304_새학기에이전트
260420 이주의질문
260122_AIagent
260304_아그논문롤
260127_아그논문
260127_AI뷰어
UCI(KEPA) : I410-151-24-02-089845816