| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | 윤지은 | - |
| dc.contributor.author | 김강석 | - |
| dc.date.issued | 2023-03 | - |
| dc.identifier.issn | 1598-2009 | - |
| dc.identifier.uri | https://aurora.ajou.ac.kr/handle/2018.oak/37670 | - |
| dc.identifier.uri | https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002943606 | - |
| dc.description.abstract | 본 논문에서는 효율적인 네트워크 이상 탐지를 위한 차원 축소 및 오버 샘플링 방법을 비교한다. 다양한 분류 알고리즘들에 오버 샘플링과 차원 축소가 어떠한 영향을 미치는지 분석한다. 오버 샘플링의 평가는 분류 성능 평가 지표들을 사용하여야 하며, 차원 축소 영향의 평가는 단위 샘플 당 처리 속도를 지표로 사용한다. 실험 결과 차원 축소로 가장 눈에 띄게 처리 시간이 줄어든 모델은 KNN과 SVM이었다. 하지만 2차원으로 축소했을 땐 오히려 증가하였다. 오버 샘플링을 적용했을 땐 소수 클래스인 U2R과 R2L의 재현율과 F1 점수가 전반적으로 상승하여, 오버 샘플링은 소수의 공격 클래스 탐지에 유의미한 영향을 준다는 것을 확인하였다. | - |
| dc.language.iso | Kor | - |
| dc.publisher | 한국디지털콘텐츠학회 | - |
| dc.title | 효율적인 네트워크 이상 탐지를 위한 차원축소 및 오버샘플링 방법 비교 | - |
| dc.title.alternative | Comparison of Dimensional Reduction and Oversampling Methods for Efficient Network Anomaly Detection | - |
| dc.type | Article | - |
| dc.citation.endPage | 591 | - |
| dc.citation.number | 3 | - |
| dc.citation.startPage | 583 | - |
| dc.citation.title | 디지털콘텐츠학회논문지 | - |
| dc.citation.volume | 24 | - |
| dc.identifier.bibliographicCitation | 디지털콘텐츠학회논문지, Vol.24 No.3, pp.583-591 | - |
| dc.subject.keyword | Network anomaly detection | - |
| dc.subject.keyword | Machine learning | - |
| dc.subject.keyword | Deep learning | - |
| dc.subject.keyword | Oversampling | - |
| dc.subject.keyword | Dimensionality reduction | - |
| dc.subject.keyword | 네트워크 이상 탐지 | - |
| dc.subject.keyword | 기계 학습 | - |
| dc.subject.keyword | 딥 러닝 | - |
| dc.subject.keyword | 오버 샘플링 | - |
| dc.subject.keyword | 차원 축소 | - |
| dc.type.other | Article | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
