분류 전체보기23 사전 조사 내용(크라우드 펀딩) 보호되어 있는 글 입니다. 2023. 5. 22. 오토인코더 기반 네트워크 침입 탐지 방법 연구(2) 지난번 개선점 및 추가사항을 찾아보고 실습해본 내용입니다. 1. UNSW-NB15 데이터 셋에 대한 분석 UNSW-NB15 정상 샘플 비정상 샘플 총 샘플 훈련 데이터 56,000 119,341 175,341 테스트 데이터 37,000 45,332 82,332 위와 같이 데이터 셋이 구성되어 있는데 총 샘플의 훈련 데이터와 테스트 데이터의 차이를 보면 알 수 있듯이 데이터의 불균형이 엄청 크다는 점을 알 수 있습니다. 따라서 Undersampling 기법, Upsampling 기법을 이용하여 데이터의 불균형을 해결해야 합니다. 저희는 Upsampling을 이용하게 되면 데이터가 가지는 장점인 '실제 네트워크 상황에 더욱 알맞은 데이터 셋'이라는 점을 잃게 될 것이라고 생각했습니다. 그 이유는 Upsamp.. 2023. 5. 20. 오토인코더 기반 네트워크 침입 탐지 방법 연구(1) 지난 발표내용이 너무 어려웠던것 같아서 조금 더 이해하기 편하도록 설명을 조금 더 자세하게 적었습니다. 1. 연구 배경 및 동향 분석 - 최근 인공지능, 빅데이터, IoT(사물인터넷) 등의 기술이 우리 일상생활 속 에서 많이 사용되면서, 그에 따라 보안에 대한 이슈도 대두되고 있습니다. 특히 최근 발생한 LG유플러스 DDoS 공격에 대한 피해를 인상 깊게 접하게 되고 네트워크 침입공격에 대한 빠른 탐지의 중요성을 느끼게 되어 이 주제를 선정하게 되었습니다. 과거에는 패턴기반의 네트워크 침입탐지를 연구했다면 AI가 대두됨에 따라 지도학습 기반의 연구들이 진행되어졌습니다. 최근에는 강화학습 또는 비지도학습을 통해 새로운 유형의 공격에 대해서도 예측하고 발견할 수 있는 모델들을 연구하는 추세입니다. 2. 연구.. 2023. 5. 6. kotlin udemy 강의 정리(126-128) 1. MainActivity.kt package eu.tutorials.permissiondemo import android.Manifest import android.content.pm.PackageManager import android.os.Build import androidx.appcompat.app.AppCompatActivity import android.os.Bundle import android.util.Log import android.widget.Button import android.widget.Toast import androidx.activity.result.ActivityResultLauncher import androidx.activity.result.contract.Acti.. 2022. 11. 16. 이전 1 2 3 4 5 6 다음
