메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
이세열 (청운대학교)
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제18권 제1호
발행연도
2023.2
수록면
25 - 30 (6page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
오늘날 우리에게 디지털기기를 멀리하고 생활하는 것은 사실상 불가능하다. 이러한 디지털 환경에서 정보보안의 중요성은 매년 증가하고 있는 해킹사고처럼 매년 핫 이슈로 자리 잡아가고 있다. 이러한 침입에 대비하여 초고속 네트워크 보안 위협을 탐지하기 위한 침입탐지 및 차세대 침입방지 시스템을 포함한 차세대방화벽(NGFW)을 출시하고 있으며 클라우드 환경에 적용할 수 있는 시스템도 준비 중이다. 우리는 여전히 탐지 알고리즘의 성능을 향상시키기 위해 다양한 알고리즘을 연구하고 있다. 탐지 연구중에서 객관적 탐지 성능을 평가하기 위한 다양한 알고리즘과 학습 알고리즘을 위한 데이터 셋은 탐지 성능에 있어 매우 중요한 지표로 인식되고 있다. 대표적인 데이터 셋은 KDD 99와 NSL-KDD가 있다. 이에, 본 논문에서는 KDD 99와 NSL-KDD 데이터 셋을 비교 분석하기 위하여 3개의 탐지 알고리즘(SVM, 퍼지인식도, 가중치 적용 퍼지인식도)을 적용하여 실험을 테스트베드에서 평가한다. 평가결과 3개의 중요한 성능에 큰 영향을 미치는 KDD와 NSL-KDD 데이터 셋 결과를 통하여 KDD 데이터 셋의 결함을 확인했으며 탐지 알고리즘에 영향이 있음을 확인할 수 있다. NSL-KDD의 평가결과는 위험한 공격에서 탐지율 향상을 위해서 중복된 레코드를 삭제하거나 랜덤 또는 선별한 레코드를 사용하면 공격 탐지율이 향상된다는 이점이 있다.

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0