현재 위치
Home
Poster Session 차세대컴퓨팅 기술 전 분야(정보보안)
거대언어모델을 이용한 tabular 데이터 증강 기법 연구
Enhancing Tabular Data Augmentation with Large Language Models
-
- 발행기관
- 한국차세대컴퓨팅학회 바로가기
-
- 간행물
- 한국차세대컴퓨팅학회 학술대회 바로가기
-
- 통권
- 2025 한국차세대컴퓨팅학회 춘계학술대회 (2025.05)바로가기
-
- 페이지
- pp.177-181
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A468938
원문정보
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
키워드
Network Data Augmentation Prompt Engineering LLM Tabular Data Imbalance Data저자
간행물 정보
발행기관
-
- 발행기관명
- 한국차세대컴퓨팅학회 [Korean Institute of Next Generation Computing]
- 설립연도
- 2005
- 분야
- 공학>컴퓨터학
- 소개
- 본 학회는 차세대 PC 및 그 관련분야의 학술활동을 통하여 차세대 PC의 학문 및 기술발전을 도모하고 산업발전 및 국제협력 증진을 목적으로 한다.
간행물
-
- 간행물명
- 한국차세대컴퓨팅학회 학술대회
- 간기
- 반년간
- 수록기간
- 2021~2025
- 십진분류
- KDC 566 DDC 004
이 권호 내 다른 논문 / 한국차세대컴퓨팅학회 학술대회 2025 한국차세대컴퓨팅학회 춘계학술대회
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.