1 |
1
정상 데이터와 비정상 데이터의 불균형을 조절하는 전처리를 수행하는 데이터 전처리부; 상기 전처리된 정상 데이터와 비정상 데이터를 바탕으로 특징을 추출해 학습데이터를 생성하는 학습데이터 생성부; 및 상기 생성된 학습데이터를 바탕으로 학습되어 침입을 탐지하는 탐지부;를 포함하는 것 을 특징으로 하는 비감독형 딥러닝 기반의 침입탐지 장치
|
2 |
2
제1항에 있어서, 상기 전처리부는 오버샘플링, 언더샘플링, SMOTE 및 가중치 조절 중 적어도 어느 하나를 통해 상기 정상 데이터와 비정상 데이터의 불균형을 조절하는 것 을 특징으로 하는 비감독형 딥러닝 기반의 침입탐지 장치
|
3 |
3
제1항에 있어서, 상기 학습데이터 생성부는 최근접 이웃 분류(k-NN, K-Nearest Neighbor), 서포트 벡터 머신(SVM, support vector machine) 및 디시전 트리(Decision Tree) 중 적어도 어느 하나를 통해 상기 특징을 추출해 상기 학습데이터를 생성하는 것 을 특징으로 하는 비감독형 딥러닝 기반의 침입탐지 장치
|
4 |
4
제1항에 있어서, 상기 탐지부는 최근접 이웃 분류(k-NN, K-Nearest Neighbor), 서포트 벡터 머신(SVM, support vector machine) 및 디시전 트리(Decision Tree) 중 적어도 어느 하나로 상기 학습된 것 을 특징으로 하는 비감독형 딥러닝 기반의 침입탐지 장치
|
5 |
5
비감독형 딥러닝 기반의 침입탐지 장치가 침입탐지하는 방법에 있어서, 정상 데이터와 비정상 데이터의 불균형을 조절하는 전처리를 수행하는 단계; 상기 전처리된 정상 데이터와 비정상 데이터를 바탕으로 특징을 추출해 학습데이터를 생성하는 단계; 및 상기 생성된 학습데이터를 바탕으로 학습되어 침입을 탐지하는 단계;를 포함하는 것 을 특징으로 하는 비감독형 딥러닝 기반의 침입탐지 방법
|
6 |
6
제5항에 있어서, 상기 전처리부는 오버샘플링, 언더샘플링, SMOTE 및 가중치 조절 중 적어도 어느 하나를 통해 상기 정상 데이터와 비정상 데이터의 불균형을 조절하는 것 을 특징으로 하는 비감독형 딥러닝 기반의 침입탐지 방법
|
7 |
7
제5항에 있어서, 상기 학습데이터 생성부는 최근접 이웃 분류(k-NN, K-Nearest Neighbor), 서포트 벡터 머신(SVM, support vector machine) 및 디시전 트리(Decision Tree) 중 적어도 어느 하나를 통해 상기 특징을 추출해 상기 학습데이터를 생성하는 것 을 특징으로 하는 비감독형 딥러닝 기반의 침입탐지 방법
|
8 |
8
제5항에 있어서, 상기 탐지부는 최근접 이웃 분류(k-NN, K-Nearest Neighbor), 서포트 벡터 머신(SVM, support vector machine) 및 디시전 트리(Decision Tree) 중 적어도 어느 하나로 상기 학습된 것 을 특징으로 하는 비감독형 딥러닝 기반의 침입탐지 방법
|
9 |
9
제5항 내지 제8항 중 어느 하나의 비감독형 딥러닝 기반의 침입탐지 방법을 실행하기 위하여 컴퓨터가 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
|