LSTM 신경망을 활용한 맥락 기반 모바일 사용자 인증 기법 :Context-Aware Mobile User Authentication using LSTM networksLong Short-Term Memory 신경망을 활용한 맥락 기반 모바일 사용자 인증 기법

남상진

추천

검색

자료유형: 학위논문

저자정보: 남상진 (전북대학교, 전북대학교 일반대학원)

지도교수: 신정훈

발행연도: 2020

저작권: 전북대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (2)

2020

LSTM 신경망을 활용한 맥락 기반 모바일 사용자 인증 기법

남상진 소프트웨어공학과 2020.01 학위논문

LSTM 신경망을 활용한 맥락 기반 모바일 사용자 인증 기법

남상진 , 김순태 , 신정훈 한국인터넷방송통신학회 논문지 2020.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

This study aims to complement the poor performance of existing context-aware authentication techniques in the mobile environment. The data used are GPS, Call Detail Record(CDR) and app usage. locational classification according to GPS density was implemented in order to distinguish other people in populated areas in the processing of GPS. It also handles missing values that may occur in data collection. The authentication model consists of two long-short term memory(LSTM) and one Artificial Neural Network(ANN) that aggregates the results, which produces authentication scores. In this paper, we compare the accuracy of this technique with that of other studies. Then compare the number of authentication attempts required to detect someone else''s authentication. As a result, we achieved an average 11.6% improvement in accuracy and faster detection of approximately 60% of the experimental data.

#Context-aware #Authentication #Context Data

제1장 서론 1
1.1 연구 배경 및 필요성 1
제2장 배경 지식 및 관련 연구 5
2.1 심층 순방향 신경망 5
2.2 순환 신경망 7
2.3 장·단기 기억 8
2.4 관련연구 9
2.4.1 맥락데이터 기반 사용자 인증 기법
제3장 LSTM 신경망을 활용한 맥락 기반 모바일 사용자 인증 기법 13
3.1 GPS 데이터 전처리 14
3.1.1 GPS 데이터 밀도 분석 15
3.1.2 그리드맵핑 17
3.2 데이터 전처리 19
3.2.1 원-핫 인코딩 21
3.2.2 데이터 결합 22
3.2.3 시간 간격 적용 23
3.2.4 주성분분석 25
3.3 인증 모델 생성 26
제4장 실험 28
4.1 실험 개요 28
4.2 실험 설정 29
4.3 실험 결과 31
제5장 결론 및 향후연구 34
참고문헌 36

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)