지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.8
- 수록면
- 347 - 355 (9page)
- DOI
- 10.5391/JKIIS.2024.34.4.347
이용수
초록· 키워드
오류제보하기
오늘날 기업 및 산업 분야에서 클라우드 컴퓨팅 기술의 활용이 증가함에 따라 클라우드 컴퓨팅 기술의 취약점을 활용한 보안 위협 문제가 대두되고 있다. 이에 대응하기 위해, 클라우드 이상 행위 탐지 기술의 중요성이 강조되고 있다. 최근 연구에 따르면, CNN 모델 기반 이상 행위 탐지 기술은 우수한 탐지 성능을 보이는 것을 입증하였다. 그러나, CNN 모델 기반 이상 행위 탐지 기술은 적대적 공격에 취약하다는 단점이 존재한다. 따라서, 본 논문에서는 NSL-MHA 적대적 훈련 기법을 제안하여 CNN 모델 기반 이상 행위 탐지 기술의 적대적 공격 취약점을 극복하고자 한다. 실험을 통해 NSL-MHA 적대적 훈련 기법이 CNN 모델 기반 이상 행위 탐지 기술의 적대적 공격 취약성을 극복함을 검증하였다.
목차
요약
Abstract
1. 서론
2. 관련 연구
3. 제안하는 방법
4. 실험 및 분석
5. 결론 및 향후 연구
References
참고문헌 (17)
참고문헌 신청
Jonghyun Lee, “CrowdStrike, 2023 Threat Hunting Report,” Available: https://m.ddaily.co.kr/page/view/2023082917404000360, 2023 [Accessed: Auguest 29, 2023].
Jung Hyun-jin, et al., “Cloud Anomaly Detection Method Using 1-D STM Block-based Stacking CNN Model,” Journal of Korean Institute of Intelligent Systems, vol. 34, no. 1, pp. 43-50, 2024.
Alatwi, Huda Ali, and Charles Morisset, “Adversarial machine learning in network intrusion detection domain: A systematic review,” arXiv preprint arXiv:2112.03315, 2021.
Abou Khamis, Rana, and Ashraf Matrawy, “Evaluation of adversarial training on different types of neural networks in deep learning-based idss,” Proceedings of the 2020 international symposium on networks, computers and communications, Quebec, Canada, pp. 1-6, June., 2020.
Albattah, Albatul, and Murad A. Rassam. “Detection of Adversarial Attacks against the Hybrid Convolutional Long Short-Term Memory Deep Learning Technique for Healthcare Monitoring Applications,” Applied Sciences, vol. 13 no. 11, 2023.
Jung Hyun-jin, et al., “Cloud Anomaly Detection Method Using 1-D STM Block-based Stacking CNN Model,” Journal of Korean Institute of Intelligent Systems, vol. 34, no. 1, pp. 43-50, 2024.
Alatwi, Huda Ali, and Charles Morisset, “Adversarial machine learning in network intrusion detection domain: A systematic review,” arXiv preprint arXiv:2112.03315, 2021.
Abou Khamis, Rana, and Ashraf Matrawy, “Evaluation of adversarial training on different types of neural networks in deep learning-based idss,” Proceedings of the 2020 international symposium on networks, computers and communications, Quebec, Canada, pp. 1-6, June., 2020.
Albattah, Albatul, and Murad A. Rassam. “Detection of Adversarial Attacks against the Hybrid Convolutional Long Short-Term Memory Deep Learning Technique for Healthcare Monitoring Applications,” Applied Sciences, vol. 13 no. 11, 2023.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
적대적 공격을 이용한 객체 탐지 모델의 취약성 검증
한국정보과학회 학술발표논문집
2020 .07
-
적대적 공격에 강건한 특징 중요도 기반 계층적 네트워크 이상탐지 방법
한국통신학회 인공지능 학술대회 논문집
2023 .09
-
산업 제어 시스템의 이상 탐지 모델에 대한 적대적 예제 공격 및 대응
한국정보과학회 학술발표논문집
2023 .06
-
데이터 예측 클래스 기반 적대적 공격 탐지 및 분류 모델
정보보호학회논문지
2021 .12
-
초해상화를 이용하는 물체 탐지 모델에 대한 적대적 공격
한국정보과학회 학술발표논문집
2021 .06
-
Adversarial Sparsity Mapping Network to Defense Against Adversarial Attacks
Proceedings of KIIT Conference
2021 .06
-
선형 판별 분석 및 k-means 알고리즘을 이용한 적대적 공격 유형 분류 방안
정보보호학회논문지
2021 .12
-
적대적 공격 및 방어 기술의 성능 향상을 위한 역방향 적대적 데이터 생성 연구
정보보호학회논문지
2024 .10
-
AI 모델의 적대적 공격 대응 방안에 대한 연구
한국컴퓨터정보학회 학술발표논문집
2023 .07
-
Advanced Generative Adversarial Defense Model using Instance Sparsity Mapping Network
한국정보기술학회논문지
2021 .08
-
적대적 오토인코더를 활용한 사용자 행위 이상 탐지
한국지능정보시스템학회 학술대회논문집
2019 .10
-
적대적 학습과 적대적 강건성 사이의 연관성
한국정보과학회 학술발표논문집
2020 .12
-
실시간 탐지를 위한 인공신경망 기반의 네트워크 침입탐지 시스템
융합보안논문지
2017 .01
-
시계열적 특성이 CNN 기반 네트워크 이상치 탐지에 미치는 영향 및 이상치 탐지 방법에 대한 연구
한국정보과학회 학술발표논문집
2022 .06
-
Analysis of Vulnerabilities in Autonomous Driving Environments through Physical Adversarial Attacks Incorporating Natural Elements
Journal of KIISE
2024 .10
-
1 단계 객체 탐지 모델에 대한 전이적인 적대적 공격
한국통신학회 학술대회논문집
2023 .02
-
이상 탐지를 위한 생성적 적대 신경망 부호화
한국정보과학회 학술발표논문집
2018 .12
-
포인트 클라우드 기반 변화탐지 기법 비교
대한공간정보학회 학술대회
2018 .05
-
얼굴 인식 모델에 대한 질의 효율적인 블랙박스 적대적 공격 방법
정보보호학회논문지
2022 .12
-
콘크리트 균열 탐지 성능 향상을 위한 적대적 학습에 관한 연구
대한토목학회 학술대회
2020 .10
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-090268030