선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 최대한 높은 성능을 유지하면서 모델의 사이즈, 연산시간, 모델 복잡도 등을 경량화 할 수 있는 기존 방법론들을 조사하였으며, 기존 신경망의 파라미터들을 경량화 관점에서 재해석해 파라미터를 튜닝 하였다. 또한 모델의 구조 자체를 경량화 시킬 수 있는 방안에 대해서 연구하였다.
- 모델 성능은 일정 수준 이상으로 유지하되 복잡도와 학습시간 등을 최소한으로 낮출 수 있는 머신러닝 기술에 초점을 맞추어 연구를 진행하였다. 고차원 문제에 적합하고 성능이 뛰어나 이상탐지에 가장 많이 쓰이고 있는 방법론인 One-Class SVM, Isolation Forest, Autoencoder를 표 1과 같은 평가 기준으로 비교해 대상 모델을 선정하였다[1].
- 데이터의 분포 상 선형 분리가 어렵기 때문에 이상탐지 성능을 향상시키기 위해서는 비선형적 특성을 반영할 수 있는 모델이 필요하다. 본 논문에서는 사물인터넷 환경에서의 경량화된 이상탐지 기술 개발을 위해 3가지 모델에 대한 실험을 수행하였다. 실험결과 오토인코더 모델이 대개의 평가기준에서 월등한 성능을 보였으며, 기존 알고리즘에 비해 특성 추출 등의 필요성이 줄어든다는 장점도 확인하였다.
- 특성 선정 과정에서 많은 선행 연구의 경우 와이어샤크 등을 사용하여 다양한 변수들을 추출하였다. 본 논문에서는 사물인터넷 환경이 가지는 제약을 고려하여 5튜플과 시간정보를 사용하는 특성 정보를 중점적으로 연구하였다.
- 사물인터넷 환경에서의 이상탐지를 위해 구성한 인공신경망의 경우 부동 소수점 수준의 정확한 연산이 요구되지는 않는다. 본 논문에서는 연산 효율성을 증가시키기 위해 양자화를 통해 부동 소수점 연산을 고정 소수점 연산으로 변환하여 비교적 적은 정확도의 손실이 있지만 실시간 탐지를 위해 연산 성능을 높이는 연구를 진행하였다.
- 보안에 대한 전문 지식이 부족한 사물인터넷 기기 사용자는 침해사고의 발생여부조차 인지하기 어려우며, 인지하여도 대응하기가 쉽지 않다. 본 논문에서는 이러한 사물인터넷 환경의 특성을 고려한 사물인터넷 환경에서의 이상행위 탐지 기술을 제안한다. 본 논문에서 제안하는 기술은 사용자의 사물인터넷 환경에서 스마트 게이트웨이에 위치하며 기기의 행위로 발생되는 네트워크 정보를 수집하고 기기 별 행위 패턴 분석하며 탐지 모델을 생성한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.