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
학위논문
저자정보

신경일 (세종대학교, 세종대학교 대학원)

지도교수
신동일
발행연도
2019
저작권
세종대학교 논문은 저작권에 의해 보호받습니다.

이용수7

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
최근 전쟁터는 육지, 해상, 공중 이외의 우주, 사이버 공간이 추가되어 총 5개의 영역으로 분류된다. 특히 가상의 공간인 사이버 공간은 각 영역의 활동을 연결하는 매개체 역할을 하게 된다.
전장에서 적군과 아군 측의 상황과 정보를 얼마나 많이 보유하고 있느냐에 따라 전장의 우위를 선점할 수 있다. 전장의 영역이 사이버 공간까지 확대된 현대전에서는 정보는 매우 중요해졌으며, 데이터를 수집하여 가공하여 정보를 만들고 이를 분석하여 생성한 Intelligence 과정을 사이버 정보·감시·정찰이라고 지칭한다.
본 논문에서는 사이버 정보·감시·정찰을 통해 침투된 에이전트의 생존률을 높이기 위하여 기존의 점진적 학습(Incremental Learning)과 적응형 학습(Adaptive Learning) 방식을 결합하여 제한된 시간과 메모리만 사용해도 우수한 결과를 보여주는 CALOT(Continuous Adaptive Learning Over Time) 학습 방식을 제안한다. 기존의 수집 및 분석하기 위해서는 많은 전문 인력이 필요했다. 따라서 수집과 분석을 상황에 따라 반자동화 및 자동화를 할 수 있는 방법을 연구한 CALOT 알고리즘을 제안한다. CALOT 알고리즘은 점진적 학습 방법과 하이브리드 속성 선택 방법을 적용한 방법으로, 메모리가 100MB라는 매우 제한된 상황에서도 학습이 가능하며, 기존의 Filter 방법에 비해 매우 높은 성능을 보여주며, Wrapper 방법에 비해 유사한 성능을 보여주지만, 속성 선택 시간이 매우 단축된 방법이다. 성공적인 사이버 정보·감시·정찰을 위해 속성 선택 과정에서 불필요한 데이터를 제거하여 에이전트가 수집하는 데이터를 줄이고, 이로 인해 적 진영에 침투된 에이전트는 적은 자원을 활용하여 생존률을 높이게 된다.

목차

등록된 정보가 없습니다.

최근 본 자료

전체보기

댓글(0)

0