1 |
1
데이터베이스 침입에 의한 쿼리인지 여부를 판단하기 위해 상기 쿼리를 상기 데이터베이스에 대한 접근 권한에 따라 사용자에게 할당된 역할로 분류하는 쿼리 분류 방법에 있어서,상기 방법은 프로세서에 의해 수행되고,상기 데이터베이스에 대하여 SQL 도구를 이용하여, SQL 개체 및 상기 SQL 개체에 대한 작업이 결합된 상기 쿼리를 생성하는 단계;상기 쿼리에 해당하는 로그를 생성하고, 상기 생성된 로그를 십진법 피쳐로 변환함으로써, 상기 쿼리로부터 희소 피쳐를 추출하는 단계;유전 알고리즘에 기초하여 상기 추출된 희소 피쳐를 필터링하여 피쳐 서브셋을 생성하는 단계; 및컨볼루션 신경망에 기초하여 상기 생성된 피쳐 서브셋을 구성하는 피쳐들 간의 상관 관계를 모델링하고, 상기 모델링 된 상관 관계에 따라 상기 쿼리를 상기 역할로 분류하는 단계를 포함하되,상기 피쳐 서브셋을 생성하는 단계는,상기 컨볼루션 신경망에 기초하여 모델링 된 상관 관계의 정확도에 관한 함수인 성능 기준 함수를 피드백 받음으로써, 상기 유전 알고리즘에 기초하여 추출된 희소 피쳐를 필터링하여 상기 피쳐 서브셋을 생성하는 단계를 포함하는, 쿼리 분류 방법
|
2 |
2
삭제
|
3 |
3
제1항에 있어서,상기 성능 기준 함수는 상기 쿼리를 상기 역할로 분류하는 분류 정확도에 관한 항등 함수인, 쿼리 분류 방법
|
4 |
4
제1항에 있어서, 상기 피쳐 서브셋을 생성하는 단계는,상기 희소 피쳐와 이진 인코딩 된 염색체를 내적하여 상기 피쳐 서브셋을 추출하는 단계를 포함하는, 쿼리 분류 방법
|
5 |
5
제1항에 있어서, 상기 피쳐 서브셋을 생성하는 단계는,상기 피드백 받은 성능 기준 함수가 기준값을 만족하도록 상기 추출된 희소 피쳐를 필터링하는 단계를 포함하는, 쿼리 분류 방법
|
6 |
6
제1항에 있어서, 상기 쿼리를 상기 역할로 분류하는 단계는,상기 쿼리를 상기 역할로 분류하는 분류 정확도가 기준값을 만족하도록 상기 쿼리를 상기 역할로 분류하는 단계를 포함하는, 쿼리 분류 방법
|
7 |
7
제1항에 있어서,상기 피쳐 서브셋의 차원은 상기 희소 피쳐의 차원보다 낮은, 쿼리 분류 방법
|
8 |
8
데이터베이스에 정보를 요청하는 쿼리에 대하여, 상기 쿼리가 침입에 의한 쿼리인지 여부를 판단하기 위한 침입 탐지 방법에 있어서,상기 방법은 프로세서에 의해 수행되고,SQL 개체 및 상기 SQL 개체에 대한 작업이 결합된 상기 쿼리에 해당하는 로그를 생성하고, 상기 생성된 로그를 십진법 피쳐로 변환함으로써, 상기 쿼리로부터 희소 피쳐를 추출하는 단계;데이터베이스에 정보를 요청하는 쿼리에 대하여, 상기 쿼리가 침입에 의한 쿼리인지 여부를 판단하기 위한 침입 탐지 방법에 있어서,상기 방법은 프로세서에 의해 수행되고,SQL 개체 및 상기 SQL 개체에 대한 작업이 결합된 상기 쿼리에 해당하는 로그를 생성하고, 상기 생성된 로그를 십진법 피쳐로 변환함으로써, 상기 쿼리로부터 희소 피쳐를 추출하는 단계;유전 알고리즘에 기초하여 상기 추출된 희소 피쳐를 필터링하여 피쳐 서브셋을 생성하는 단계;상기 피쳐 서브셋을 구성하는 피쳐들 간의 상관 관계 모델에 기반하여, 상기 쿼리를 상기 데이터베이스에 대한 접근 권한에 따라 사용자에게 할당된 역할로 분류하는 단계; 및상기 분류된 역할에 따라 상기 쿼리가 침입에 의한 쿼리인지 여부를 판단하는 단계를 포함하되,상기 피쳐 서브셋을 생성하는 단계는,컨볼루션 신경망에 기초하여 모델링 된 상기 피쳐 서브셋을 구성하는 피쳐들 간의 상관 관계의 정확도에 관한 함수인 성능 기준 함수를 피드백 받음으로써, 상기 유전 알고리즘에 기초하여 상기 추출된 희소 피쳐를 필터링하여 상기 피쳐 서브셋을 생성하는 단계를 포함하는, 침입 탐지 방법
|
9 |
9
제8항에 있어서, 상기 피쳐 서브셋을 생성하는 단계는,상기 추출된 희소 피쳐와 이진 인코딩 된 염색체를 내적하여 상기 피쳐 서브셋을 생성하는 단계를 포함하는, 침입 탐지 방법
|
10 |
10
제9항에 있어서, 상기 이진 인코딩 된 염색체는,상기 모델링 된 상관 관계의 정확도에 관한 함수인 성능 기준 함수가 기준값을 만족하도록 지능형 기술(intelligent technologies)을 이용하여 생성된 염색체이고,상기 지능형 기술은 유전 알고리즘(genetic algorithm)을 포함하는, 침입 탐지 방법
|
11 |
11
제8항에 있어서, 상기 상관 관계 모델은,상기 쿼리를 상기 역할로 분류하는 분류 정확도가 기준값을 만족하도록 지능형 기술을 이용하여 생성된 모델이고,상기 지능형 기술은 컨볼루션 신경망(convolution neural network)을 포함하는, 침입 탐지 방법
|
12 |
12
제1항 및 제8항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체
|
13 |
13
데이터베이스 침입에 의한 쿼리인지 여부를 판단하기 위해 상기 쿼리를 상기 데이터베이스에 대한 접근 권한에 따라 사용자에게 할당된 역할로 분류하는 프로세서에 있어서,상기 프로세서는,상기 데이터베이스에 대하여 SQL 도구를 이용하여 SQL 개체 및 상기 SQL 개체에 대한 작업이 결합된 상기 쿼리를 생성하고,상기 쿼리에 해당하는 로그를 생성하고, 상기 생성된 로그를 십진법 피쳐로 변환함으로써, 상기 쿼리로부터 희소 피쳐를 추출하고,유전 알고리즘에 기초하여 상기 추출된 희소 피쳐를 필터링하여 피쳐 서브셋을 생성하고,컨볼루션 신경망에 기초하여 상기 생성된 피쳐 서브셋을 구성하는 피쳐들 간의 상관 관계를 모델링하고, 상기 모델링 된 상관 관계에 따라 상기 쿼리를 상기 역할로 분류하되,상기 컨볼루션 신경망에 기초하여 모델링 된 상관 관계의 정확도에 관한 함수인 성능 기준 함수를 피드백 받음으로써, 상기 유전 알고리즘에 기초하여 추출된 희소 피쳐를 필터링하여 상기 피쳐 서브셋을 생성하는, 프로세서
|