• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.39-42
• /
• 2023

최근 온라인 게임 산업이 급속도로 확장됨과 더불어 Gamebot과 같은 비정상적인 프로그램으로 인한 게임 서비스 피해사례가 급격하게 증가하고 있다. 특히, 대표적인 게임 장르 중 하나인 FPS(First-Person Shooter)에서 Aimbot의 사용은 정상적인 이용자들에게 재미 요소를 잃어버리게 하고 상대적 박탈감을 일으켜 게임의 수명을 줄이는 원인이 된다. 비정상 게임 이용자의 근절을 위해서 메모리 변조 및 불법 변조 프로그램 접근 차단 기법과 불법 프로그램 사용의 패턴 모니터링과 같은 기법들이 제안되었지만, 우회 프로그램 및 새로운 패턴을 이용한 비정상적인 프로그램의 개발에는 취약하다는 단점이 있다. 따라서, 본 논문에서는 정상적인 게임 이용자의 패턴만 학습함으로써 비정상 이용자 검출을 가능하게 하는 딥러닝 기반 단일 클래스 분류 기법을 제안하며, 가장 빈번하게 발생하는 치트(Cheat) 유형인 FPS 게임 내 Aimbot 사용 감지에 초점을 두었다. 제안된 비정상 게임 이용자 감지 시스템은 정상적인 사용자의 마우스 좌표를 데카르트 좌표계(Cartesian coordinates)와 극좌표계(Polar coordinates)의 형태로 패턴을 추출하는 과정과 정상적인 마우스 동작 기록으로 부터 학습된 LSTM 기반 Autoencoder의 복원 에러에 따른 검출 과정으로 구성된다. 실험에서 제안된 모델은 FPS 게임 내 마우스 동작을 기록한 공개 데이터셋인 CSGO 게임 데이터셋으로 부터 학습되었으며, 학습된 모델의 테스트 결과는 데카르트 좌표계로부터 훈련된 제안 모델이 비정상 게임 이용자를 분류하는데 적합함을 입증하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.451-451
• /
• 2015

최근 1900년부터 1990년 사이 해수면은 매년 평균 1.2mm 상승했지만 1990년부터는 매년 평균 3mm씩 높아지고 있으며, 이에 1990년부터 현재까지 해수면 수위의 상승속도가 이전 90년 동안 측정된 수치보다 2.5배 빠르다는 연구결과가 발표되었다. 해수면 상승으로 인한 피해는 범람과 침식을 야기할 수 있으며 해일 및 폭풍으로 인한 피해를 증가시킴으로 물질적 피해와 인명 피해를 유발할 수 있다. 이러한 이유로 해수면 상승에 따른 과학적인 분석과 신뢰성 있는 전망을 통하여 해수면 상승에 따른 대응과 대비가 필요하다. 이에 본 연구에서는 비정상성 빈도해석 방법을 통하여 미래의 해수면 상승을 고려할 수 있는 비정상성 빈도해석 기법을 개발하였다. 본 연구에서는 극치사상을 추출하기 위해 국립해양조사원 (Korea Hydrographic and Oceanographic Administration, KHOA)에서 관리한 45개 조위관측소의 시 조위 자료를 이용하였다. 45개 조위관측소의 한 시간 단위 자료로부터 연최대 및 연평균 조위계열 (annual average and annual maximum sea level series)을 추출하였다. 본 연구에서는 한반도 해안을 동해안, 서해안, 남해안, 제주 권역으로 구분하고 빈도 해석의 신뢰성을 만족하기 위해 자료 구축기간이 20년 이상이며, 각 해안을 나타낼 수 있는 지점을 선정하였다. 비정상성 빈도해석은 Gumbel 극치분포를 적용하였으며, 계층적 Bayesian 기법을 결합하여 매개변수들에 대한 사후분포를 추정하였다. 본 연구에서는 대부분의 지점에서 비정상성 빈도해석 결과와 정상성 빈도해석 결과와 상당한 차이를 보여주고 있으며, 이는 주로 정상성 가정에 기인하는 문제점으로 판단된다. 향후 기후변화에 따른 연안지역의 홍수 및 사회기반시설의 위험도를 평가하기 위해서는 비정상성을 고려한 빈도해석 절차의 수립과 적용이 필요할 것으로 판단된다.

• Journal of Convergence Society for SMB
• /
• v.2 no.2
• /
• pp.1-6
• /
• 2012

In this paper, we propose a detector generation model which is applied to immune system to improve the misuse detection rates in misuse detection models. 10cv method is used to sendmail data which is provided by the DARPA. We experimented and analyzed the misuse detection rate that is either judgment of the normal system call as abnormal system call or judgment of the abnormal system call as normal system call. In the experiment, between detector which was generated by any abnormal system call and temporary detector. I did experiments with a new detector which was removed temporary detector which made a wrong decision for normal system call as an abnormal system call and abnormal system call as a normal system call. The misuse detection rate of detector which is applied to the immune system is greater than the other detector by 0.3%.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.4-4
• /
• 2017

수문자료의 빈도해석은 자료의 독립성(independence)와 정상성(stationarity)를 가정하여 이뤄진다. 그러나 관측 수문자료에서 비정상성 현상이 발생하고 있다는 사실이 관측되면서 수문자료에 대한 비정상성 빈도해석에 대한 필요성도 커지고 있다. 본 연구의 목적은 수문자료의 빈도해석에서 가장 널리 사용되고 있는 Gumbel 및 GEV 분포에 대한 비정상성 빈도해석 모형을 개발하는 것으로, 이를 위해 비정상성 Gumbel과 GEV 모형의 매개변수를 시간에 따라 변하는 형태로 정의하였다. 비정상성 Gumbel 및 GEV 모형의 정확도를 알아보기 위해 비정상성 모형과정상성 모형을 이용하여 Monte Carlo 모의실험을 수행하였다. 모의실험은 다양한 조건의 재현기간, 표본크기, 매개변수 조건을 고려하여 수행되었다. 그 결과 비정상성 모형의 오차는 비교적 표본크기가 클 때 가장 작은 것으로 나타났다. 또한 복잡한 매개변수의 조합을 가지는 비정상성 모형은 모두 동일한 경향성을 가질 때 가장 작은 오차를 보이는 것으로 나타났다. 비정상성 GEV 모형의 경우는 확률수문량 산정에 음(-)의 형상 매개변수가 큰 영향을 끼치는 것으로 나타났다. 또한 본 연구에서는 비정상성 조건에서 다양하게 존재하는 비정상성 모형 중 어떠한 모형이 주어진 자료에 대해 가장 적절한 모형인지 결정하기 위해 모의실험을 수행하였다. 널리 적용되고 있는 AIC, BIC, likelihood ratio test에 대해 정상성 및 비정상성 Gumbel 모형을 이용하여 모의실험을 수행한 결과, AIC가 비정상성 모형 중 적정 모형 선택에 가장 효과적인 것으로 나타났다. 개발된 비정상성 Gumbel 및 GEV 모형의 적용성을 알아보기 위해 우리나라 연최대강우 자료에 적용한 결과, 위치 매개변수에 시간항을 고려하는 Gumbel 모형이 최적모형으로 가장 많이 선택되는 것으로 나타났다. 따라서 현재 우리나라의 연최대강우자료 중 경향성이 나타나는 자료에 대해서는 위치 매개변수가 시간에 따라 변하는 특성이 가장 많이 나타나고 있는 것으로 판단된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04a
• /
• pp.305-307
• /
• 2003

일반적으로 해킹이 이루어지기 위해서는 공격의 대상이 되는 시스템과 네트워크의 정보를 수집하는 사전단계가 필수적이다. 네트워크 포트 스캐닝은 이 시스템 정보 수집단계에서 중요한 역할을 하는 방법으로 주로 통신 프로토콜의 취약점을 이용하여 비정상적인 패킷을 보낸 후 시스템의 반응을 살피는 방법으로 수행된다. 본 논문에서는 마르코프 체인 모델을 이용한 비정상행위기법 기반의 포트 스캐닝을 탐지방법을 제안하고 여러 가지 은닉/비은닉 포트 스캐닝 방법에 대하여 좋은 성능을 나타냄을 보인다.

• The Korean Journal of Financial Management
• /
• v.15 no.2
• /
• pp.183-210
• /
• 1998

1975년 1월${\sim}$1996년 12월까지의 기간에서 월별주가수익률 자료를 이용하여 반대투자전략의 경제적 유용성을 검증한 결과 다음과 같은 사실을 발견할 수 있었다. 첫째, 보유기간비정상수익률 사이의 시계열상관분석에서는 18개월 이내의 기간에서 통계적으로 유의적인 시계열상관성을 발견하지 못하였으나 24개월 이상의 기간에서는 통계적으로 유의적인 부(-)의 시계열상관성이 존재하였다. 한편 36개월의 보유기간비정상수익률을 측정하는 경우 시장조정수익률모형보다 시장위험조정수익률모형에서 더 높은 시계열상관성이 관찰되었다. 둘째, 표본증권을 대상으로 하여 시장조정수익률모형에 따라 형성기간의 보유기간비정상수익률을 측정하여 반대투자전략을 수행하는 경우 검증기간의 보유기간비정상수익률이, 패자포트폴리오에서는 1% 수준에서 통계적으로 유의적인 31.1%이었으나 승자포트폴리오에서는 비유의적인 1.1%이었다. 그러나 포트폴리오를 운용하는 과정에서 부담해야 하는 거래비용을 공제하는 경우 36개월간의 보유기간비정상수익률이 21.1%인 것으로 나타나고 있어 경제적인 유용성면에서 한계가 있는 것으로 나타났다. 셋째, 시장조정수익률모형보다 시장위험조정수익률모형이 승자 및 패자포트폴리오의 구성종목에 대한 선별력이 높은 것으로 나타났다. 시장위험조정수익률모형을 이용하는 경우 36개월간의 보유기간비정상수익률이, 패자포트폴리오에서는 1%수준에서 유의적인 120.9%이었으며, 승자포트폴리오에서도 1% 수준에서 유의적인 -36.5%를 보임으로써, 시장조정수익률모형에 기초한 반대투자전략과 비교할 때, 경제적 유용성이 현저히 높은 것으로 나타났다. 넷째, 검증기간에서의 위험변화가 반대투자전략의 투자성과에 상당히 영향을 미치는 것으로 나타났다. 차익포트폴리오에서 위험변화를 고려하는 경우 36개월간의 거래비용공제전 보유기간비정상수익률이 157.4%에서 67.8%로 줄어들었다.

• The Journal of the Acoustical Society of Korea
• /
• v.41 no.2
• /
• pp.199-209
• /
• 2022

Typical anomaly detection algorithms are trained by using prior data. Thus the batch learning based algorithms cause inevitable performance degradation when characteristics of newly incoming normal data change over time. We propose an online anomaly detection algorithm which can consider the gradual characteristic changes of incoming normal data. The proposed algorithm based on one-class classification model includes both offline and online learning procedures. In offline learning procedure, the algorithm learns the prior data to be close to centroid of the latent space and then updates the centroid of the latent space incrementally by new incoming data. In the online learning, the algorithm continues learning by using the updated centroid. Through experiments using public underwater acoustic data, the proposed online anomaly detection algorithm takes only approximately 2 % additional learning time for the incremental centroid update and learning. Nevertheless, the proposed algorithm shows 19.10 % improvement in Area Under the receiver operating characteristic Curve (AUC) performance compared to the offline learning model when new incoming normal data comes.

• The KIPS Transactions:PartB
• /
• v.15B no.1
• /
• pp.61-68
• /
• 2008

This paper presents a spam filter system using co-training with spamminess features and URL features based on the maximum entropy model. Spamminess features are the emphasizing patterns or abnormal patterns in spam messages used by spammers to express their intention and to avoid being filtered by the spam filter system. Since spammers use URLs to give the details and make a change to the URL format not to be filtered by the black list, normal and abnormal URLs can be key features to detect the spam messages. Co-training with spamminess features and URL features uses two different features which are independent each other in training. The filter system can learn information from them independently. Experiment results on TREC spam test collection shows that the proposed approach achieves 9.1% improvement and 6.9% improvement in accuracy compared to the base system and bogo filter system, respectively. The result analysis shows that the proposed spamminess features and URL features are helpful. And an experiment result of the co-training shows that two feature sets are useful since the number of training documents are reduced while the accuracy is closed to the batch learning.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.130-130
• /
• 2022

기후변화로 인한 기상이변 현상으로 폭우와 홍수 등 수문학적 극치 사상의 출현 빈도가 잦아지고 있다. 따라서 이러한 기상이변 현상에 적응하기 위하여 보다 정확한 확률강우량 측정의 필요성이 증가하고 있다. 대장 지점의 미래 확률강우량 계산을 위해선 기후변화 시나리오의 비정상성을 고려해야 한다. 본 연구는 비정상적인 미래 기후에서 확률강우량이 어떻게 변화하는지 측정하는 것을 목표로 한다. Representative Concentration Pathway (RCP4.5)에 따른 우리나라의 확률강우량 계산에 인공신경망을 포함한 정상성, 비정상성 확률강우량 산정 모델들이 사용되었다. 지점빈도해석(AFA), 홍수지수법(IFM), 모분포홍수지수법(PIF), 인공신경망을 이용한 Quantile & Parameter regression technique(QRT & PRT)이 정상성 자료에 대해 확률강우량을 계산하는 모델로 사용되었으며, 비정상성 자료에 대해서는 비정상성 지점빈도해석(NS-AFA), 비정상성 홍수지수법(NS-IFM), 비정상성 모분포홍수지수법(NS-PIF), 인공신경망을 사용한 비정상성 Quantile & Parameter regression technique(NS-QRT & NS-PRT)이 사용되었다. Rescaled Akaike information criterion(rAIC)를 사용한 불확실성 분석과 적합도 검정을 통해서 generalized extreme value(GEV) 분포형 모델이 정상성 및 비정상성 확률강우량 산정에 가장 적합한 모델로 선정되었다. 이후, 관측자료가 GEV(0,0,0)을 따르고 시나리오 자료가 GEV(1,0,0)을 따르는 지점들을 선택하여 미래의 확률강우량 변화를 추정하였다. 각 빈도해석 모델들은 몬테카를로 시뮬레이션을 통해 bias, relative bias(Rbias), root mean square error(RMSE), relative root mean square error(RRMSE)를 바탕으로 측정하여 정확도를 계산하였으며 그 결과 QRT와 NS-QRT가 각각 정상성과 비정상성 자료로부터 가장 정확하게 확률강우량을 계산하였다. 본 연구를 통해 향후 기후변화의 영향으로 확률강우량이 증가할 것으로 예상되며, 비정상성을 고려한 빈도분석 또한 필요함을 제안하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.94-94
• /
• 2015

기후변화와 변동으로 인한 기상이변이 갈수록 심각해지고 발생 빈도도 잦아짐에 따라 현재의 배수관련 사회기반시설(Drainage Infrastructure)이 이런 문제에 대처할 준비가 잘되어 있는지에 대해 의문점이 제기되고 있다. 현재의 배수관련 사회기반시설의 설계는 이른바 정상성(stationarity)이라는 가정 하에 강우의 강도(Intensity), 지속기간(Duration), 빈도(Frequency)의 관계를 나타내는 I-D-F 곡선을 주로 이용하기 때문에 기후변화로 인한 극치사상(extremes)의 유의한 변화를 나타낼 수가 없다는 한계점을 가지고 있다. 그러나 기후변화는 극한기후(climatic extremes)의 특성을 비정상성(nonstationarity)이라 일컫는 개념으로 바꾸고 있기 때문에 배수관련 기반구조 설계(Drainage Infrastructuredesign)의 기본 가정의 하나인 강우 통계 매개변수의 정상성은 기후변화의 시대에는 더는 유효하지 않을 수 있다. 본 논문에서는 이러한 비정상성을 고려하여 조건부 GEV 분포를 이용하여 지속시간별 확률강우량 과비정상성 I-D-F 곡선식을 유도하였다. 또한, 분포형 홍수유출모형인 S-RAT(Spatial Runoff Assessment Tool)을 이용하여 강우강도의 증가가 설계 최대유량(design peak flows)에 미치는 영향을 분석하였다. 분석결과 지속기간별 차이는 있었지만 고빈도로 갈수록 전반적으로 현행 I-D-F 곡선이 실질적으로 극한강수를 과소평가하고 있으며 정상성 I-D-F 곡선 작성 방법이 기후변화의 배수관련 기반구조물의 능력설계에 적합지 않을 수도 있음을 제시하였다.