딥러닝과 셀로우러닝의 조합에 기반한 무선 통신 보장 방법

무선 통신은 사람들의 삶과 사회를 변화시키고 개선시켰으며, 특히 사물인터넷(IoT) 시대의 도래와 함께 더욱 그러합니다. 무선 통신의 성숙에도 불구하고, 통신의 보안 문제는 점점 더 복잡하고 대량의 데이터로 인해 여전히 가장 고질적이고 골치 아픈 문제로 남아 있습니다. 침입 탐지 시스템은 안전한 통신의 보장을 제공합니다. 그러나 가변 프로토콜과 데이터 양의 급격한 증가로 인해 침입 탐지는 어려운 작업이 되고 있습니다. 본 논문에서는 탐지를 수행하기 위해 이상 기반 네트워크 침입 탐지 시스템의 프레임워크를 제안했습니다. 먼저, UNSW-NB15가 연구 대상으로 선택되었습니다. 이 새로운 데이터 세트를 바탕으로 딥러닝 방법과 셀로우러닝 접근 방식을 결합한 탐지 모델을 구축했습니다. 전자는 특징 학습을 위한 딥 오토인코더로, 데이터의 중요한 표현을 발견하고 탐지를 가속화할 수 있습니다. 후자는 강력한 서포트 벡터 머신(SVM)으로, 인공 벌집 알고리즘(ABC)을 사용하여 다섯 번 교차 검증(5FCV)을 통해 SVM의 최적 매개변수를 찾습니다. 다양한 실험이 수행되었으며, 시뮬레이션 결과 제안된 방법이 주성분 분석(PCA) 기반의 방법과 다른 머신러닝 전략을 포함한 최신 침입 탐지 접근 방식보다 훨씬 우수한 성능을 보임을 증명합니다.