Earticle

초록

한국어

본 연구는 수집된 training 패킷을 패킷이미지 생성모듈을 통해 적절히 가공하여 SVM에 학습을 시키고 학습된 SVM에 testing 패킷이미지를 테스트 시킨 후 분류해내는 것을 제안한다. 서포트 벡터 머신[Support Vector Machines]을 이용한 미확인 침입탐지 시스템은 보안의 안정성 및 효율성면에서 기존의 시스템들보다 훨씬 우수하다.

영어

In this research, we suggest the unknown intrusion detection system with Vector Machines). At the system, at first, collected training-packets are processed through packet image creating module. And then, it is studied by the SVM module. Finally, the studied SVM module classifies the test-data unsing test-packet-image. This system’s stability and efficient characteristic of security is far superior than the existing it.em1)24 정보 보안 논문지 제7권 제4호(2007.12)Negative ExamplesPositive ExamplesMargin of SeparationOptimal HyperplaneSupport Vectors

목차

요약
 ABSTRACT
 1. 서론
 2. 관련 연구
 3. 미확인 침입탐지 시스템 설계
  3.1 침입탐지 시스템의 전체구성
  3.2 패킷 패턴 변환 및 학습 패턴 생성
  3.3 미확인 침입탐지의 개요도
 4. 구현
 5. 결론
 참고문헌

저자

• 김석태 [ Seok-Tae Kim | 한남대학교 컴퓨터공학과 ]
• 한인규 [ In-Gyu Han | 한남대학교 컴퓨터공학과 ]
• 이창용 [ Chang-Yong Lee | 한남대학교 컴퓨터공학과 ]
• 고정호 [ Jeong-Ho Kho | 한남대학교 컴퓨터공학과 ]
• 이도원 [ Do-Won Lee | 한남대학교 컴퓨터공학과 ]
• 오정민 [ Jeong-Min Oh | 한남대학교 컴퓨터공학과 ]
• 방철수 [ Cheol-Soo Bang | 한남대학교 컴퓨터공학과 ]
• 이극 [ Geuk Lee | 한남대학교 컴퓨터공학과 ]

참고문헌