Earticle

초록

영어

This research conducts a comparative analysis of Vector Autoregressive (VAR) models for network anomaly detection and prediction, focusing on two specific VAR versions. It empirically assesses their effectiveness in detecting and forecasting anomalies, finding that the VAR-Filtered moving-average-AR model excels in single-node anomaly detection, while the VAR-Adaptive Learning model is more effective for detecting anomalies across multiple nodes. The study explores the reasons behind the performance differences of these models and compares VARs with other methods like Markov Chain Monte Carlo and Artificial Neural Networks, using datasets based on real-world and fictional network scenarios. It evaluates the trade-offs between these techniques and provides insights into their advantages, disadvantages, and potential improvements for network anomaly detection.

한국어

본 연구는 네트워크 이상 감지 및 예측을 위해 벡터 자기회귀(VAR) 모델의 사용을 비교 분석한다. VAR 모 델에 대한 간략한 개요를 제공하고 네트워크 이상 체크로 사용 가능한 두 가지 버전을 검토하며 두 종류의 VAR 모델을 통한 경험적인 평가를 제시한다. VAR-Filtered moving-common-AR 모델이 단일 노드 이상 감지 성능에서 우수하며, VAR-Adaptive Learning 버전은 몇 개의 노드 간 이상을 효과적으로 식별하는 데 특히 효 과적이며 두 가지 주요VAR 모델의 전반적인 성능 차이에 대한 근본적인 이유도 분석한다. 각 기술의 장단점 을 개요로 제공하고 성능 향상을 위한 제안도 제시하고자 한다.

목차

ABSTRACT
1. Introduction
2. Related Studies
3. PROPOSED MODEL
3.1 Data Pre-Processing
3.2 Feature Extraction
3.3 Data Normalization
3.4 Algorithm
5. Result and Analysis
Acknowledgement
Reference
<국문초록>
<결론 및 향후 연구>

키워드

저자

• Dong Gun Lee [ 이동건 | Department of Animation, College of Convergence Engineering ]
• Ok Hue Cho [ 조옥희 | Department of Animation, College of Convergence Engineering ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  컴퓨터게임및콘텐츠논문지(구 한국컴퓨터게임학회논문지) [Journal of Computer Games and Contents]

• 간기

  월간

• pISSN

  3091-7409

• eISSN

  3092-3638

• 수록기간

  2002~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 691 DDC 793