• 제목/요약/키워드: 침입 오류

검색결과 55건 처리시간 0.017초

PG 고온등급의 문제점과 새로운 대안 (Problems in High Temperature Superpave PG-Grading and A New Alternative)

  • 허정도
    • 한국도로학회논문집
    • /
    • 제7권1호
    • /
    • pp.63-71
    • /
    • 2005
  • 아스팔트바인더등급은 아스팔트바인더의 품질을 포장의 공용성과 관련하여 등급화한 것으로, 혼합물배합설계에 있어서 중요재료인 아스팔트를 적절히 선정하는 데 필수적인 정보를 제공한다. 이러한 목적을 위해 미국은 1990년대 중반에 PG-등급을 개발하여 현장에 적용하고 있다. 국내에서도 최근에 미국의 PG-등급을 들여와서 바인더규정으로 채택하고 있다. 그러나 일본, 중국을 비롯한 아시아 지 역이나 유럽의 대부분 나라들은 미국과는 달리 침입도나 점도등급을 고온등급으로 사용하고 있다. 본 연구의 목적은 미국의 PC-등급의 타당성을 분석하는 데 있다. 분석결과는 이등급에 심각한 오류가 있음을 말해주며 , 이를 해결하기 위한 대안으로 보다 정확한 바인더등급 이론식이 소개된다. 상기 식들을 이용하여 현장가속시험기나 실내 바퀴주행시험기에서 얻어진 문헌의 데이터를 예측함으로서 본 논문에서 주장하는 내용들을 입증한다.

  • PDF

무선 센서 네트워크 환경에서 3차원 근사 위치추적 기법 (Approximate 3D Localization Mechanism in Wireless Sensor Network)

  • 심재석;임유진;박재성
    • 한국통신학회논문지
    • /
    • 제39B권9호
    • /
    • pp.614-619
    • /
    • 2014
  • WSN (Wireless Sensor Networks)기반 보안 감시 시스템에서는 센서들이 수집한 이벤트 발생 정보를 전송함에 있어서 이벤트가 발생한 지역의 위치 정보를 함께 제공하는 것이 요구된다. 기존에 많은 연구가 진행되었던 2D기반 위치추적 기법들은 고도가 일정한 환경에서는 꽤 높은 정확도를 보이나, 높이 개념이 추가된 실제 환경에서는 많은 오류를 발생시킬 수 있다. 또한 기존의 3D 위치추적 기법들은 많은 참조노드를 요구하거나, 복잡한 수식 계산을 요구하는 문제점을 가지고 있다. 그러나 본 논문에서 고려하는 실내 보안 감시 시스템에서는 감지된 대상체가 침입자인지 여부를 판단하기 위한 대상체의 높이 예측만을 요구한다. 따라서 본 논문에서는 복잡한 수식 계산이나 많은 참조노드들을 요구하지 않는 대상체 높이예측 기법을 제안한다. 또한 제안 기법의 성능분석을 위하여 여러 가지 시나리오에서 예측 정확도를 측정하였다.

논제 부정 Access에 대한 Firewall의 과제와 대책

  • 변성준;서정석;최원석
    • 한국데이타베이스학회:학술대회논문집
    • /
    • 한국데이타베이스학회 2000년도 추계학술대회 E-Business와 정보보안
    • /
    • pp.227-238
    • /
    • 2000
  • Firewall은 다양한 부정Access의 방지책으로서 확실히 유효한 수단이지만 이 Firewall은 사용자로부터 지시된 설정을 충실히 실행하는 것으로 설정 오류, 소프트웨어의 정지, 허가된 룰을 악용한 침입 등 반드시 사용자가 바라는 작용을 무조건적 상태에서 보증해 주는 것은 아니다. 따라서 사용자는 도입 후 에도 운용시에 Access log를 감시하고 본래의 Security Policy에 반하는 행위를 매일 매일 체크하지 않으면 안될 상황에 처해 있다. 본 연구는 이러한 부정Access에 대한 이와 같은 Firewall의 현상에 대한 과제 중에서 "부정Access를 어떻게 하면 일찍, 정확히 체크할 수 있는가\ulcorner"라는 주제를 선택하여 Firewall의 한계와 그 대응책을 실제로 부정Access를 시험해 보는 것으로 검증하기로 하였다. 실험결과에서 (1)Port Scan이나 전자메일 폭탄(서비스정지공격)등은 Firewall로 방지하는 것은 불가능하거나 혹은 Checking이 곤란하다. (2)공격마다 로그 수집을 했음에도 관계없이 Firewall의 로그는 번잡하므로 단시간에 사태의 발견이 대단히 곤란하다고 하는 Firewall의 한계를 인식하였다. 그리고 그 대책으로서 우리는 체크 툴의 유효성에 착안하여 조사한 결과, 결국 무엇이 부정Access인가에 대해서는 어디까지나 이용하는 측이 판단하여 Firewall 상에 설정하지 않으면 안되지만 체크 툴은 이 부정Access 정보를 데이터베이스로서 갖고 있음으로써 '무엇이 부정Access인가'를 이용자 대신에 판단하고 툴에 따라서는 설정을 자동적으로 변경하여 부정 Access의 저지율을 향상시킨다. 이처럼 체크 툴은 Firewall의 수비능력을 보강하는 위치에 있다고 생각할 수 있다.다. 4 장에서는 3장에서 제기한 각각의 문제점에 대해 RAD 의 관점에 비추어 e-business 시스템의 단기개발을 실현하기 위한 고려사항이나 조건 해결책을 제안한다. 본 논문이 지금부터 e-business 를 시작하려고 하는 분, e-business 시스템의 개발을 시작하려고 하는 분께 단기간의 e-business 실현을 위한 하나의 지침이 된다면 다행이겠다.formable template is used to optimize the matching. Then, clustering the similar shapes by the distance between each centroid, papaya can be completely detected from the background.uage ("Association of research for algorithm of calculating machine (1992)"). As a result, conventional NN and CNN were available for interpolation of sampling data. Moreover, when nonlinear intensity is not so large under the field condition of small slope, interpolation performance of CNN was a little not so better than NN. However, when nonlinear intensity is large under the field condition of large slope, interpolation performance of CNN was relatively better than NN.콩과 자연 콩이 성분 분석에서 차이를

  • PDF

비지도학습 오토 엔코더를 활용한 네트워크 이상 검출 기술 (Network Anomaly Detection Technologies Using Unsupervised Learning AutoEncoders)

  • 강구홍
    • 정보보호학회논문지
    • /
    • 제30권4호
    • /
    • pp.617-629
    • /
    • 2020
  • 인터넷 컴퓨팅 환경의 변화, 새로운 서비스 출현, 그리고 지능화되어 가는 해커들의 다양한 공격으로 인한 규칙 기반 침입탐지시스템의 한계점을 극복하기 위해 기계학습 및 딥러닝 기술을 활용한 네트워크 이상 검출(NAD: Network Anomaly Detection)에 대한 관심이 집중되고 있다. NAD를 위한 대부분의 기존 기계학습 및 딥러닝 기술은 '정상'과 '공격'으로 레이블링된 훈련용 데이터 셋을 학습하는 지도학습 방법을 사용한다. 본 논문에서는 공격의 징후가 없는 일상의 네트워크에서 수집할 수 있는 레이블링이 필요 없는 데이터 셋을 이용하는 비지도학습 오토 엔코더(AE: AutoEncoder)를 활용한 NAD 적용 가능성을 제시한다. AE 성능을 검증하기 위해 NSL-KDD 훈련 및 시험 데이터 셋을 사용해 정확도, 정밀도, 재현율, f1-점수, 그리고 ROC AUC (Receiver Operating Characteristic Area Under Curve) 값을 보인다. 특히 이들 성능지표를 대상으로 AE의 층수, 규제 강도, 그리고 디노이징 효과 등을 분석하여 레퍼런스 모델을 제시하였다. AE의 훈련 데이터 셋에 대한 재생오류 82-th 백분위수를 기준 값으로 KDDTest+와 KDDTest-21 시험 데이터 셋에 대해 90.4%와 89% f1-점수를 각각 보였다.

추론 및 비교사학습 기법 기반 레이블링을 적용한 탐지 모델 (A Detection Model using Labeling based on Inference and Unsupervised Learning Method)

  • 홍성삼;김동욱;김병익;한명묵
    • 인터넷정보학회논문지
    • /
    • 제18권1호
    • /
    • pp.65-75
    • /
    • 2017
  • 탐지 모델은 인공지능 기법들이나 데이터 마이닝 기법, 또는 지능형 알고리즘들을 이용하여 어떠한 목적에 맞는 결과를 찾고자 하는 모델들이다. 사이버 보안에서는 주로 침입탐지, 악성코드 탐지, 침해사고 탐지, 공격 탐지로 활용되고 있다. 보안데이터와 같은 실제 환경에 수집되는 데이터들을 레이블이 되지 않은 데이터들이 많다. 클래스 레이블이 정해지지 않아 유형을 알 수 없는 데이터가 많아 정확한 탐지 및 분석을 하기 위해서는 레이블 결정과정이 필요하다. 본 논문에서 제안하는 방법은 레이블 결정을 위해 D-S 추론 알고리즘과 비교사 방법인 k-means 알고리즘을 적용하여 각 데이터의 레이블을 융합하여 결정할 수 있는 KDFL(K-means and D-S Fusion based Labeling)제안하였으며 이를 적용한 탐지 모델 구조를 제안하였다. 제안하는 방법은 실험을 통해 기존의 방법에 비해 탐지율, 정확도, F1-measure 성능 지표에서 우수한 성능을 나타냈다. 또한 오류율도 크게 개선된 결과를 나타내어 제안하는 방법의 성능을 검증할 수 있었다.