Earticle

초록

한국어

본 연구는 기존의 수치 기반 오버샘플링(SMOTE, RandomOverSampler)과 달리, LLM을 활용한 자 연어 기반 데이터 증강 기법을 통해 네트워크 보안 데이터의 불균형 문제를 해결하고자 하였다. TON-IoT 데이터셋을 기반으로 수치형 및 범주형 특성에 통계 정보를 반영한 프롬프트를 설계하였고, LLM이 이를 기반으로 실제 분포에 근접한 데이터를 생성하도록 유도하였다. 생성된 증강 데이터는 기존 학습 데이터와 함께 LightGBM 모델로 평가되었으며, LLM 기반 증강 방식이 기존 오버샘플링 기법 대비 높은 분류 성능을 보이며 효과를 입증하였다. 이는 LLM이 단순한 수치 보간을 넘어서 도 메인 특성을 반영한 고품질 데이터를 생성할 수 있는 새로운 데이터 증강 도구로 활용 가능함을 시사 한다.

목차

요약
1. 서론
2. 관련 연구
2.1 데이터 증강 기법의 발전 흐름
2.2 네트워크 보안 분야 데이터 증강 적용
3. 언어모델 기반 데이터 증강
3.1 데이터셋
3.2 데이터 전처리
3.3 프롬프트 설계 (Prompt Design)
4. 실험결과
5. 결론
Acknowledgement
참고문헌

저자

• 서유민 [ Yu Min Seo | 호서대학교 컴퓨터공학과 ]
• 한태현 [ TaeHyn Han | 가천대학교 정보보호학과 ]
• 이태진 [ Tae Jin Lee | 가천대학교 스마트보안학과 ]

참고문헌