Journal of Broadcast Engineering (방송공학회논문지)

The Korean Institute of Broadcast and Media Engineers (한국방송∙미디어공학회)
권호 표지
DOI QR코드

DOI QR Code

Effective Feature Selection Model for Network Data Modeling

네트워크 데이터 모델링을 위한 효과적인 성분 선택

  • Kim, Ho-In (Center for Information Security Technology(CIST), Korea University) ;
  • Cho, Jae-Ik (Center for Information Security Technology(CIST), Korea University) ;
  • Lee, In-Yong (Center for Information Security Technology(CIST), Korea University) ;
  • Moon, Jong-Sub (Center for Information Security Technology(CIST), Korea University)
  • 김호인 (고려대학교 정보경영공학전문대학원) ;
  • 조재익 (고려대학교 정보경영공학전문대학원) ;
  • 이인용 (고려대학교 정보경영공학전문대학원) ;
  • 문종섭 (고려대학교 정보경영공학전문대학원)
  • Published : 2008.01.30
Download PDF
⟨ Previous Next ⟩

Abstract

Network data modeling is a essential research for the evaluation for intrusion detection systems performance, network modeling and methods for analyzing network data. In network data modeling, real data from the network must be analyzed and the modeled data must be efficiently composed to reflect a sufficient amount of the original data. In this parer the useful elements of real network data were quantified from packets captured from a huge network. Futhermore, a statistical analysis method was used to find the most effective element for efficiently classifying the modeled data.

네트워크 데이터 모델링은 침입 탐지 시스템의 성능 평가, 네트워크 모니터링, 네트워크 데이터 분석 기법 연구에 있어서 반드시 필요한 연구이다. 네트워크 데이터의 모델링에는 반드시 네트워크의 실제 데이터를 분석하고, 분석된 데이터를 이용하여 효과적으로 데이터를 구성하여야만, 실제 네트워크 데이터의 충분한 정보를 모델링 된 데이터에 반영할 수 있다. 본 연구에서는 대규모의 네트워크 데이터에서 실제 네트워크에서 사용 가능한 모든 성분에 대해 수량화하였으며, 수량화 된 데이터를 통계적 분석방법을 통하여 모델링 데이터에서 가장 효과적인 분류 기준으로 작용할 수 있는 성분을 분석하였다.

Keywords

References

  1. Lippmann R.P., Fried D.J., Graf I., Haines J.W, Kendall K.R., McClung D., Weber D., Webster S.E., Wyschogrod D., Cunningham R.K., and Zissman M.A., Evaluating Intrusion Detection Systems: The 1998 DARPA Off-line Intrusion Detection Evaluation, in Proceedings of the 2000 DARPA Information Survivability Conference and Exposition(DISCEX), Vol. 2, 12-26, 2000, IEEE Computer Society Press: Los Alamitos, CA https://doi.org/10.1109/DISCEX.2000.821506
  2. Lippmann, R.P., Haines J.W., Fried D.J., Korba J., and Das J., The 1999 DARPA Offline Intrusion Detection Evaluation. Computer Networks, 2000. 34(2), 579-595 https://doi.org/10.1016/S1389-1286(00)00139-0
  3. J. W. Haines. 1999 DARPA Intrusion Detection Evaluation. Technical Report 1062. MIT Lincoln Laboratory. 2001
  4. Saharon Rosset, Aron Inger. KDD-cup 99. ACM SIGKDD Explorations Newsletter. KDD-99 Conference report. 2000 https://doi.org/10.1145/846183.846204
  5. Norm O'Rourke, Larry Hatcher, Edward J. Stepandski, Using SAS for Univariate & Multivariate Statistics Second Edition, Wiley InterScience, 2005
  6. Lippmann R.P. and Haines J., Analysis and Results of the 1999 DARPA Off-Line Intrusion Detection Evaluation, in Recent Advances in Intrusion Detection, Third International Workshop,, RAID 2000 Toulouse, France, October 204, 2000 Proceedings, H. Debar, L.ME, and S.F. Wu, Editors. 2000, Springer Verlag, 162-182
  7. Sergios Theodoridis, Konstantinos Koutroumbas, Pattern Recognition Third Edition, Academic Press, 2006
  8. James Lattin, J. Douglas Carroll, Paul E. Green, Analysing Multivariate Data, Thomson Books, 2002
  9. 한학용, 패턴인식 개론, 한빛 미디어, 2005
  10. 허명회, 다변량수량화, 자유아카데미, 1999
  11. Norm O'Rourke, Larry Hatcher, Edward J. Stepandski, Using SAS for Univariate & Multivariate Statistics Second Edition, Wiley InterScience, 2005