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
- 침입 탐지 오판의 대부분은 긍정적 결함 (false positive2)과 부정적 결함(false negative)으로써, 이와같은 결함들을 최소화시키는 것이 오판율을 줄이는 것이다. 본 논문에서는 긍정적 결함을 최소화하는 것에 초첨을 두었다. 긍정적 결함의 발생원인은 침입 패턴을 감사,데이터화하는 과정에서 침입 패턴에 대한 감사 데이터 범위를 결정하는 과정에서 발생한다.
- [그림5]는 침입 탐지 모듈에 대한 구성도이다. 에이전트에서 수집한 사용자의 로그 데이터와 침입 패턴(PT)과 비교하여 기대치 이상이거나 일치하는 침입 유형을 찾아서 일치하면 침입 상태를 보고한다. 시나리오에는 없지만 새로운 침입 패턴이라고 판명 될 때는 감사 데이터 DB에 저장한다.
가설 설정
- 이를 위해 새로운 공격 패턴 이 발생할 경우 이미 분류되어 있는 침입 패턴 집합에 계속적으로 추가시킨다, [그림 3]의 알고리즘에서와 같이 H2는 새로운 침입 패턴과 정상 데이터로부터 학습되어 추가된 분류자이며 알고리즘에서 결정 규칙은 출력을 위해서 평가된다. H1은 존재하는 침입 탐지 시스템 모델이고 H2는 최근에 발견된 새로운 침입 패턴을 위해 훈련된 새로운 모델이다. H1에서는 정상과 비정상 패턴 만을 확인하고 새로운 침입을 확인할 수 없기 때문에 대부분의 패턴들은 비정상과 오용으로 분류한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.