지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.6
- 수록면
- 847 - 861 (15page)
- DOI
- 10.7840/kics.2024.49.6.847
이용수
초록· 키워드
오류제보하기
사물 인터넷(internet of things, IoT) 기기의 확산으로 인해 일상생활의 편의성은 높아지고 있다. 그러나 IoT 기기는 낮은 전력과 성능으로 인해 보안에 할당할 수 있는 자원이 부족하여 네트워크 공격에 취약하다. 네트워크 공격에 대응하기 위해서 기계학습이나 인공 신경망을 이용한 연구가 높은 성능을 보여주었으나, 높은 연산력 및 전력 요구로 인하여 저전력 IoT 기기에서 사용하기에 부적합하다. 본 논문에서는 에너지 효율성이 높은 스파이킹 신경망(spiking neural network, SNN)를 사용하여, 악성 패킷을 탐지하는 이진 분류와 각각의 클래스를 분류하는 다중 분류를 위한 침입 탐지 시스템을 설계하였다. 해당 시스템을 통해, 이진 분류에서는 99.57%의 정확도로 공격을 탐지하였고 심층 신경망(deep neural network, DNN)에 비하여 전력 소모량을 40% 감소시켰다. 다중 분류에서는 주성분 분석(principal component analysis, PCA)을 사용하여 67.13%의 정확도로 클래스를 분류하였다. PCA를 사용하지 않은 DNN에 비하여 전력 소모량을 15.08% 감소시키고 정확도는 9.29%p 증가시켰다. 이러한 결과를 통해 본 논문에서는 저전력 IoT 기기에서 SNN을 사용하면 보다 효과적이고 효율적으로 네트워크 공격을 탐지하고 대응할 수 있음을 보였다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 기존 연구
Ⅲ. 배경지식
Ⅳ. 실험 방법
Ⅴ. 실험 결과
Ⅵ. 결론
References
참고문헌 (39)
참고문헌 신청
J. Wu, Y. Wang, H. Dai, C. Xu, and K. B. Kent, “Adaptive bi-recommendation and self-improving network for heterogeneous domain adaptation-assisted IoT intrusion detection,” IEEE Internet of Things J., vol. 10, no. 15, pp. 13205-13220, 2023. (https://doi.org/10.1109/JIOT.2023.3262458)
M. M. Alani, “IoTProtect: A machine-learning based IoT intrusion detection system,” in 2022 6th Int. CSP, pp. 61-65, 2022. (https://doi.org/10.1109/CSP55486.2022.00020)
O. A. Mahdi, A. Alazab, S. Bevinakoppa, N. Ali, and A. Khraisat, “Enhancing IoT intrusion detection system performance with the diversity measure as a novel drift detection method,” in 2023 9th Int. Conf. ITT, pp. 50-54, 2023. (https://doi.org/10.1109/ITT59889.2023.10184268)
S. Zheng, “Network intrusion detection model based on convolutional neural network,” in 2021 IEEE 5th Advanced Inf. Technol., Electr. and Automat. Control Conf.(IAEAC), vol. 5, pp. 634-637, 2021. (https://doi.org/10.1109/IAEAC50856.2021.9390930)
H.-J. Lee, D.-H. Kim, and J.-H. Lim, “Wi-Fi frame detection via spiking neural networks with memristive synapses,” Comput. Commun., vol. 208, pp. 256-270, 2023. (https://doi.org/10.1016/j.comcom.2023.06.006)
M. M. Alani, “IoTProtect: A machine-learning based IoT intrusion detection system,” in 2022 6th Int. CSP, pp. 61-65, 2022. (https://doi.org/10.1109/CSP55486.2022.00020)
O. A. Mahdi, A. Alazab, S. Bevinakoppa, N. Ali, and A. Khraisat, “Enhancing IoT intrusion detection system performance with the diversity measure as a novel drift detection method,” in 2023 9th Int. Conf. ITT, pp. 50-54, 2023. (https://doi.org/10.1109/ITT59889.2023.10184268)
S. Zheng, “Network intrusion detection model based on convolutional neural network,” in 2021 IEEE 5th Advanced Inf. Technol., Electr. and Automat. Control Conf.(IAEAC), vol. 5, pp. 634-637, 2021. (https://doi.org/10.1109/IAEAC50856.2021.9390930)
H.-J. Lee, D.-H. Kim, and J.-H. Lim, “Wi-Fi frame detection via spiking neural networks with memristive synapses,” Comput. Commun., vol. 208, pp. 256-270, 2023. (https://doi.org/10.1016/j.comcom.2023.06.006)
이 논문의 저자 정보
이 논문과 함께 이용한 논문
SNN 기반 연합학습의 이미지 분류 성능 및 에너지 효율성 분석
김동균
,
임재한
,
이현종
외 1명
한국통신학회논문지
2024
.07
템포럴 코딩과 레이트 코딩을 이용한 Spiking Neural Network의 RF 신호 탐지 및 분류 성능 분석
이현종
,
임재한
한국통신학회논문지
2023
.02
실시간 통신 성능 개선을 위한 SNN 기반 통신 시스템에 대한 연구
박진선
,
홍충선
한국정보과학회 학술발표논문집
2023
.12
딥러닝과 사용자 감정인식 기반의 스마트디퓨저 구현
장원혁
,
표지환
,
김주성
외 4명
한국정보기술학회논문지
2024
.10
딥러닝 모델에 따른 버스 주변 교통환경 인식 성능 비교 및 분석
강신재
,
은승우
,
이재우
외 1명
한국통신학회 인공지능 학술대회 논문집
2024
.09
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089845816