Earticle

초록

영어

Recently, attempts to apply artificial intelligence technology to create the normal profile in Anomaly-based intrusion detection systems have been made actively. But existing studies that proposed the application of artificial intelligence technology mostly focus on improving the structure of artificial neural networks and finding optimal hyper-parameter values, and fail to address various problems that may arise from the misconfiguration of learning data. In this paper, we identify the main problems that may arise due to the misconfiguration of learning data through experiment. And we also propose a novel approach that can address such problems and improve the detection performance through reconstruction of learning data.

한국어

최근 Anomaly 기반 침입탐지시스템에서의 탐지 기준점 생성을 위해 인공지능 기술을 적용하려는 시도가 활발하게 진행되고 있다. 그러나 인공지능 기술의 적용을 제안한 기존 연구들은 대부분 인공 신경망의 구조 개선과 최적의 하이 퍼파라미터 값을 찾는데 중점을 두고 있으며, 학습 데이터의 잘못된 구성으로 인해 발생할 수 있는 다양한 문제점들은 해결하지 못하고 있다. 이에 본 논문에서는 학습 데이터의 잘못된 구성으로 인해 나타날 수 있는 주요 문제점을 실험을 통해 식별하고 학습 데이터의 재구성을 통해 그러한 문제점을 개선함으로써 침입탐지 성능을 향상시킬 수 있는 방안을 제안한다.

목차

요약
ABSTRACT
1. 서론
2. 관련 연구
2.1 기계학습 원리
2.2 Dataset
2.3 기존 연구
3. 실험 및 탐지성능 평가
3.1 실험 환경
3.2 주요 문제점 및 개선방안
4. 결론
참고문헌

키워드

저자

• 문상태 [ Sang Tae Moon | 국방대학교 국방과학학과 ] 주저자
• 이수진 [ Soo Jin Lee | 국방대학교 국방과학학과 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  융합보안논문지 [Jouranl of Information and Security]

• 간기

  연5회

• pISSN

  1598-7329

• 수록기간

  2001~2024

• 등재여부

  KCI 등재

• 십진분류

  KDC 005 DDC 005

이 권호 내 다른 논문 / 융합보안논문지 제19권 제4호