http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이민성,Lee, Min-Seong 한국건강관리협회 1994 건강소식 Vol.18 No.1
방광종양은 비뇨기 영역에서 가장 빈번히 발생하는 종양이며 그의 대부분은 이행 상피세포암이다. 요로상피세포암은 왜 상피세포내암ㆍ표재성암ㆍ침윤성암 등의 서로 다른 형태를 나타내는지, 또 암이 부분적으로 계속 존재할 것인지 또는 전신으로 퍼져나갈 것인지 예상을 하지 못하고 있다.
악성트래픽의 실시간 탐지를 위한 CNN기반 분류 모델 비교 및 분석
이민성(Lee Min-Seong),박지태(Park Jee-tae),최정우(Choi jeong-woo),최동근(Dongkeun Choi),김명섭(Kim Myung-Sup) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
네트워크 환경이 성장함에 따라 네트워크 환경을 위협하는 악성 트래픽도 성장하고 있다. 정보 보호의 중요성이 증가하면서 악성트래픽 탐지 및 분류가 보안 분야에서 지속적으로 연구가 이루어지고 있다. 악성 트래픽을 분석하는 방법으로 포트 기반, 페이로드 기반, 통계 기반의 시그니처를 정의하여 악성 트래픽을 탐지하고 분석하는 연구들이 진행되었지만, 최근 암호화된 데이터의 전송으로 암호화된 트래픽이 늘어남에 따라 악성 트래픽도 암호화된 상태로 침입하여 공격하는 경향을 보이고 있다. 이에 따라 시그니처 기반의 악성 트래픽 탐지보다 머신 러닝 및 딥 러닝을 이용한 악성 트래픽 탐지 및 분류에 대한 연구가 활발하게 이루어지고 있다. 머신러닝 및 딥 러닝 기반의 악성 트래픽 탐지는 탐지 정확도에 중점을 두고 있으며, 마찬가지로 트래픽 분류에서도 분류 정확도에 중점을 두고 있다. 트래픽을 분류한다는 측면에서 분류 정확도도 중요하지만 네트워크 트래픽의 실시간성을 고려하면 분류 정확도뿐만 아니라 빠르게 탐지할 수 있는 방법도 중요하다. 본 논문에서는 CNN 및 LSTM기반의 악성 트래픽 분류 방법을 사용하여 분류 정확도 및 분류 시간을 비교하였다.