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
- 그리고 보다 더 효과적으로 사용자의 행위를 분석하는 방법에 대해 연구하고자 한다.
- 본 논문에서는 리눅스 시스템에서의 여러 가지 감사자료들을 통합하여 사용자의 행위를 베이지안 네트워크(Bayesian Network)로 학습한 후, 새로운 이벤트 감사자료에 대해 사용자의 비정상행위 여부를 판정하고 분석하는데 효과적인 방법을 연구하고자 한다. 여러 가지 감사자료들로부터 사용자에 대한 행위 학습은 대규모의 베이지안 네트워크 구조를 구성하는데 효율적인 Sparse Candidate 알고리즘을 사용하고, 실제 사용자의 시스템 사용에 대한 추론은 감사 자료의 일부가 결여되어 있는 경우에도 추론이 가능하도록 Gibbs Sampling 방법을 적용하고자 한다.
- 본 논문에서는 리눅스 시스템의 여러 가지 감사자료들을 통합하여 사용하고, 전처리 과정을 거친 후 사용자의 행위에 대해 학습하는 학습 모드와 비정상행위를 판정하고자 하는 추론 모드로 구성하였다. 학습 모드에서 Sparse Candidate 알고리즘을 사용하여 각 사용자에 대한 정상행위를 학습하고, 추론모드에서는 감사자료를 Gibbs Sampling 방법을 통해 추론하여 학습 모드에서 생성된 프로파일과의 비교로 비정상행위 여부를 판정하고자 하였다.
- 본 논문에서는 베이지안 네트워크의 장점과 시스템에서 생성된 각종 감사 자료를 이용하여 사용자의 비정상행위를 분석하는데 효과적인 방법을 제안하였다. 그리고 방대한 양의 감사자료로부터 대규모의 베이지안 네트워크를 학습할 때 노드의 수가 증가함에 따라 학습 시간이 증가하는 문제점에 대해 효율적인 Sparse Candidate 알고리즘을 사용하고, 감사자료의 일부가 결여되어 있을 경우에도 베이지안 네트워크 추론이 가능하도록 Gibbs Sampling 방법을 적용하였다.
- 첫 번째 방법은 사람이 직접 각 변수들간의 인과 관계 (causal relationship)를 이용하여 네트워크의 구조를 결정하는 방법이다. 우선 문제 해결에 중요한 변수에 해당하는 노드들을 직접 결정하고, 그 노드들 중인과 관계가 있다고 생각되는 노드들을 화살표로 연결하는 것이다. 두 번째 방법은 대량의 데이터를 이용해서 네트워크의 구조를 결정하는 방법이다.
가설 설정
- 구조를 구성한다. 베이지안 네트워크를 구조를 구성할 때 초기에는 생성된 구조가 없으므로 edge가 없는 구조를 가정(그림 2에서 점선으로 표시된 단계)한다. 그리고 Sparse Candidate 알고리즘에 의해 지역 탐색 단계와 전역 탐색 단계를 거쳐 베이지안 네트워크 구조로 학습한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.