M-En 네트워크의 악성 트래픽 탐지를 위한 실시간 연속 학습 프레임워크인 Multi-LF를 개발. IoT 및 전통적인 컴퓨팅 시스템의 다양한 트래픽 소스를 통합하는 M-En 네트워크 환경에서, 기존 ML 기반 접근 방식의 일반화 실패 문제를 해결하기 위해 Docker-NS3 기반 테스트베드를 구축하여 M-En 데이터셋을 생성. Multi-LF는 경량 모델 (M1)과 심층 모델 (M2)을 결합하여 신속한 탐지와 높은 신뢰도의 정제를 수행하며, 신뢰도 기반 조정 메커니즘과 가중치 보간을 통해 정확성을 유지하면서 효율성을 향상시킴. 1초 간격으로 추출된 특징을 사용하여 진화하는 공격을 조기에 감지. Docker-NS3 테스트베드에서 실시간 트래픽에 대해 평가한 결과, 0.999의 정확도를 달성하고 0.0026%의 패킷에 대해서만 사람의 개입이 필요함을 보임.
