1 |
1
트래픽에 포함된 복수 개의 패킷에 기초해서 통계적 특징점을 추출하고, 상기 트래픽과 관련된 서비스에 대한 서비스 정보를 상기 트래픽에 라벨링하는 전처리부와,소정의 통계적 특징점으로부터 추출된 통계적 특징점을 입력으로 하고 상기 소정의 통계적 특징점에 라벨링된 서비스 정보를 정답으로 해서, 소정의 머신 러닝 모델을 학습시키는 학습 수행부와,상기 머신 러닝 모델이 학습된 결과에 기초해서, 상기 통계적 특징점 중에서 일부를 선별하는 통계적 특징점 선별부를 포함하는통계적 특징점 선별 장치
|
2 |
2
제 1 항에 있어서,상기 통계적 특징점은,상기 복수 개의 패킷에 대한 각 패킷의 크기, 패킷들의 도착 시간, 패킷의 총 개수 및 상기 복수 개의 패킷의 크기에 대한 합 중 적어도 하나를 포함하는통계적 특징점 선별 장치
|
3 |
3
제 1 항에 있어서,상기 전처리부가 상기 트래픽에 라벨링한 서비스 정보는,상기 전처리부가, 상기 트래픽에 대해 심층 패킷 조사(deep packet inspection, DPI)를 수행한 결과에 기초한 것인통계적 특징점 선별 장치
|
4 |
4
제 1 항에 있어서,상기 소정의 머신 러닝 모델은,합성곱 신경망(convolutional neural network CNN)을 포함하는통계적 특징점 선별 장치
|
5 |
5
제 1 항에 있어서,상기 선별된 일부의 통계적 특징점은,마스크 제네레이션의 수행에 따라 선별된 것인통계적 특징점 선별 장치
|
6 |
6
제 5 항에 있어서,상기 마스크 제네레이션은, 유전(genetic) 알고리즘에 기초하여 수행되는통계적 특징점 선별 장치
|
7 |
7
제 5 항에 있어서,상기 마스크 제네레이션은, 상기 통계적 특징점 중 선별되지 않는 통계적 특징점의 개수를 나타내는 소정의 숫자 및 상기 학습이 완료된 머신 러닝 모델의 출력에 대한 정확도에 기초해서 수행되는통계적 특징점 선별 장치
|
8 |
8
통계적 특징점 선별 장치가 수행하는 통계적 특징점의 선별 방법으로서,트래픽에 포함된 복수 개의 패킷에 기초해서 통계적 특징점을 추출하는 단계와,상기 트래픽과 관련된 서비스에 대한 서비스 정보를 상기 트래픽에 라벨링하는 단계와,소정의 통계적 특징점으로부터 추출된 통계적 특징점을 입력으로 하고 상기 소정의 통계적 특징점에 라벨링된 서비스 정보를 정답으로 해서, 소정의 머신 러닝 모델을 학습시키는 단계와,상기 머신 러닝 모델이 학습된 결과에 기초해서, 상기 통계적 특징점 중에서 일부를 선별하는 단계를 포함하는통계적 특징점의 선별 방법
|
9 |
9
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,트래픽에 포함된 복수 개의 패킷에 기초해서 통계적 특징점을 추출하는 단계와,상기 트래픽과 관련된 서비스에 대한 서비스 정보를 상기 트래픽에 라벨링하는 단계와,소정의 통계적 특징점으로부터 추출된 통계적 특징점을 입력으로 하고 상기 소정의 통계적 특징점에 라벨링된 서비스 정보를 정답으로 해서, 소정의 머신 러닝 모델을 학습시키는 단계와,상기 머신 러닝 모델이 학습된 결과에 기초해서, 상기 통계적 특징점 중에서 일부를 선별하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 판독가능한 기록매체
|
10 |
10
컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,트래픽에 포함된 복수 개의 패킷에 기초해서 통계적 특징점을 추출하는 단계와,상기 트래픽과 관련된 서비스에 대한 서비스 정보를 상기 트래픽에 라벨링하는 단계와,소정의 통계적 특징점으로부터 추출된 통계적 특징점을 입력으로 하고 상기 소정의 통계적 특징점에 라벨링된 서비스 정보를 정답으로 해서, 소정의 머신 러닝 모델을 학습시키는 단계와,상기 머신 러닝 모델이 학습된 결과에 기초해서, 상기 통계적 특징점 중에서 일부를 선별하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 프로그램
|