$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

실시간 침입탐지 시스템에 관한 연구
A Study on Realtime Intrusion Detection System 원문보기

한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.9 no.1, 2005년, pp.40 - 44  

김병주 (영산대학교 정보통신학과)

초록
AI-Helper 아이콘AI-Helper

인공지능, 기계학습 및 데이터마이닝 기법들을 침입탐지 시스템에 적용하는 연구가 활발히 진행되고 있다. 그러나 많은 연구가 공격패턴의 분류를 위한 분류기(classifier)의 학습 알고리즘 성능 개선에 목적을 두고 있다. 그리고 이러한 학습 알고리즘은 대부분 일괄처리(batch) 방식으로 동작하여 실시간 침입탐지 시스템의 적용에는 적합하지 못하다. 본 논문에서는 실시간 침입탐지 시스템을 위한 점증적 특징 추출 기법과 분류가 가능한 실시간 침입탐지 시스템을 제안한다. 제안된 방법을 KDD CUP 99 자료에 적용한 결과 실시간 기법임에도 불구하고 일괄처리 방식과 비슷한 결과를 나타내었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Applying artificial intelligence, machine learning and data mining techniques to intrusion detection system are increasing. But most of researches are focused on improving the performance of classifier. These classifiers are performed by batch way and it is not proper method for realtime intrusion d...

주제어

#실시간 침입탐지시스템   #점증적 특징추출   #기계학습  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 따라서 본 논문에서는 Liu에 의해 제안된 점증적 LS-SVM 기법을 침입탐지 시스템의 분류기로 사용하고자 한다. 제안된 침입참지 시스템은 다음과 같다.
  • 일괄처리 방식의 분류기는 새로운 학습 자료가 추가 되면 전체 학습 자료에 대해 다시 학습 하여야 하는 단점이 있어 실시간 침입탐지 시스템에는 적절한 분류기가 될 수 없다. 따라서 본 논문에서는 현실 세계에 적용 가능한 침입탐지 시스템을 구현하기 위해 실시간 공격패턴에 대해 점증적으로 특징 추출 및 분류를 할 수 있는 침입탐지 시스템을 제안한다. 논문의 구성은 다옴과 같다.
  • 본 논문에서는 실시간 침입탐지 시스템을 위한 점증적 특징 추출 기법과 분류가 가능한 실시간 침입 탐지 시스템을 제안하였다. 제안된 방법을 KDD CUP 99 자료에 적용한 결과 기존의 방업에 비해 우수한 특징 추출 성능을 나타내었다.
  • 연구는 많이 이루어지지 않았다. 이러한 최근의 연구동향중 본 연구에서 중점을 두는 특징 추출 및 분류에 관련된 주요한 연구를 살펴보고 이를 통해 개선방향을 본 연구에 적용하고자 한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (8)

  1. A.H. Sung, and S. Mukkamala, 'Identifyi- ng Important Features for Intrusion Detection Using Support Vector Machines and Neu-ral Networks,' Proceedings of the 2003 Sy-mposium on Applications and the Internet, 2003 

  2. Nong Ye, 'A Scalable Clustering Techni- que for Intrusion Signature Recognition,' Proceedings of the 2001 IEEE Workshop on Information Assurance and Security. 2001 

  3. Leonid Portnoy, 'Intrusion detection with unlabeled data using cluster ' Undergr-aduate thesis, Columbia University 

  4. LT. Jolliffe,. 'Principal Component Analy -sis,' New York Springer-Verlag, 1986 

  5. J.A.K. Suykens, and J. Vandewalle, 'Least squares support vector machine classifiers,' Neural Processing Letters, vol.9, (1999) 

  6. J. Liu, J. Chen, S. Jiang and J. Cheng, 'Online LS-SVM for function estimation and classification,' Journal of Univ. of Science and Tech. Beijing. Vol.10, Num. 5, Oct. 2003 

  7. Accessible at http://kdd.ics.uci.edu/datab ases/kddcup99/kddcup99.html 

  8. Accessible at http://www-cse.ucsd.edu/us ets]elkan/clresults.html 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로