인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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
기계학습 기반 침입 탐지 시스템(intrusion detection system, IDS)은 단일 관측 차원의 한계와 지도-비지도 앙상블의 높은 오탐률 문제를 갖는다. 본 논문은 패킷 헤더·플로우·페이로드의 3개 이종 관측 차원과 헤더 특성 공간의 비지도 보조 검증 계층을 결합한 4계층 IDS를 제안한다. 첫째, 각 계층이 서로 다른 공격 클래스를 담당하는 오류 다양성을 정량화하였다. Tier 1과 Tier 4의 동시 오분류 겹침률은 3.1%이며, Yule's Q, χ² = 313.9(p < 10⁻⁶⁹)로 보완적 오류 분포가 통계적으로 확인된다. 둘째, Tier 1의 저확신 정상 판정에 한해 Tier 3을 캐스케이드 적용하는 계층적 확률 게이팅을 도입하여, FPR 상승을 +0.72%p(2.78%→3.50%)로 제한하면서 attack recall을 83.91%에서 88.24%(+4.33%p)로 높이고 precision 98.70%를 유지하였다. 셋째, 탐지 결과를 대응 행동으로 연결하는 dueling double DQN 모듈을 구성하고, 혼합 공격 비율로만 학습한 정책이 미학습 비율 조건에서도 recall 96.6% 이상을 유지함을 관찰하였다. 평가는 5종 데이터 세트에서 검증 세트와 평가 세트를 분리하여 계층별로 수행하였고(30회 시드 반복), 네 계층의 종단 간 통합 검증은 향후 과제로 남긴다.
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
