인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
원전내의 사용되는 모듈을 포함하는 기기들은 U.S. NRC (Nuclear Regulatory Commission) 규제요건에 의해 동적 메모리가 아닌 정적 메모리를 사용하도록 규제하고 있다. 따라서, 본 연구에서는 정적 메모리의 사용도 변화에 따른 정상/비정상 상태를 확인하기 위한 딥러닝 기반의 공격 감지 시스템을 제안한다. 제안된 시스템은 메모리 사용량에 대한 시계열 데이터를 MTF(Markov Transition Field)를 이용하여 시각화한다. LSTM Auto-Encoder(AE)를 이용하여 공격을 감지하고, 이를 통해 재구성된 데이터를 시각화하여 공격 종류를 분류하는 모델을 제안하며 그 성능을 분석한다. 분석 결과 제안된 시스템이 정적 메모리 시스템에서의 공격에 대한 정확한 감지 및 분류를 수행함을 보여준다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094692658
