1 |
1
패킷을 수신하고 상기 패킷의 페이로드를 검출하는 패킷 페이로드 검출부;상기 페이로드를 단위요소로 분해하여 일련의 시퀀스 스트림을 생성하는 시퀀스 스트림 생성부;상기 분해의 과정에서 상기 단위요소를 단위요소 값으로 변환하여 상기 시퀀스 스트림에 대응되는 시퀀스 벡터를 생성하는 시퀀스 벡터 생성부;상기 시퀀스 벡터를 기초로 복수의 단위 벡터들로 구성된 단위 벡터열을 생성하는 단위 벡터열 생성부; 및상기 단위 벡터열을 학습하여 악성코드 탐지 모델을 구축하는 악성코드 탐지 모델 구축부를 포함하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 장치
|
2 |
2
제1항에 있어서, 상기 시퀀스 스트림 생성부는상기 패킷의 길이가 특정 기준을 초과하지 않는 경우에는 상기 단위요소를 바이트(byte)로 설정하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 장치
|
3 |
3
제1항에 있어서, 상기 시퀀스 벡터 생성부는상기 시퀀스 벡터의 크기를 상기 패킷의 최대 길이로 결정하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 장치
|
4 |
4
제2항에 있어서, 상기 시퀀스 벡터 생성부는상기 단위요소를 0 부터 255 사이의 바이트 값에 대응되는 단위요소 값으로 변환하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 장치
|
5 |
5
제1항에 있어서, 상기 단위 벡터열 생성부는상기 패킷의 길이에 비례하도록 상기 단위 벡터의 크기를 결정하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 장치
|
6 |
6
제4항에 있어서, 상기 단위 벡터열 생성부는상기 시퀀스 벡터의 단위요소 값들의 편차에 따라 상기 단위 벡터의 크기를 결정하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 장치
|
7 |
7
제1항에 있어서, 상기 단위 벡터열 생성부는상기 시퀀스 벡터의 각 단위요소 값에 대응되는 임베딩 벡터(embedding vector)를 생성하여 상기 복수의 단위 벡터들을 생성하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 장치
|
8 |
8
제1항에 있어서, 상기 악성코드 탐지 모델 구축부는게이트 CNN(Gated Convolutional Neural Network)을 통해 상기 악성코드 탐지 모델을 구축하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 장치
|
9 |
9
제8항에 있어서, 상기 악성코드 탐지 모델 구축부는상기 단위 벡터열을 가중 1차원 컨볼루션 레이어 및 비-가중 1차원 컨볼루션 레이어에 각각 적용한 결과를 조합하여 상기 학습을 수행하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 장치
|
10 |
10
제9항에 있어서, 상기 악성코드 탐지 모델 구축부는상기 조합의 결과에 관한 맥스 풀링(max pooling)을 수행한 다음 완전 연결 레이어(fully connected layer)를 적용하여 상기 학습을 완성하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 장치
|
11 |
11
패킷을 수신하고 상기 패킷의 페이로드를 검출하는 단계;상기 페이로드를 단위요소로 분해하여 일련의 시퀀스 스트림을 생성하는 단계;상기 분해의 과정에서 상기 단위요소를 단위요소 값으로 변환하여 상기 시퀀스 스트림에 대응되는 시퀀스 벡터를 생성하는 단계;상기 시퀀스 벡터를 기초로 복수의 단위 벡터들로 구성된 단위 벡터열을 생성하는 단계; 및상기 단위 벡터열을 학습하여 악성코드 탐지 모델을 구축하는 단계를 포함하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 방법
|
12 |
12
제11항에 있어서, 상기 시퀀스 스트림을 생성하는 단계는상기 패킷의 길이가 특정 기준을 초과하지 않는 경우에는 상기 단위요소를 바이트(byte)로 설정하는 단계를 포함하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 방법
|
13 |
13
제11항에 있어서, 상기 시퀀스 벡터를 생성하는 단계는상기 시퀀스 벡터의 크기를 상기 패킷의 최대 길이로 결정하는 단계를 포함하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 방법
|
14 |
14
제11항에 있어서, 상기 단위 벡터열을 생성하는 단계는상기 시퀀스 벡터의 각 단위요소 값에 대응되는 임베딩 벡터(embedding vector)를 생성하여 상기 복수의 단위 벡터들을 생성하는 단계를 포함하는 것을 특징으로 하는 패킷 페이로드의 인공지능 학습을 통한 보안관제 방법
|
15 |
15
제11항에 있어서, 상기 악성코드 탐지 모델을 구축하는 단계는게이트 CNN(Gated Convolutional Neural Network)을 통해 상기 악성코드 탐지 모델을 구축하는 단계를 포함하는 것을 특징으로 패킷 페이로드의 인공지능 학습을 통한 보안관제 방법
|