Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Ranking-Enhanced Anomaly Detection Using Active Learning-Assisted Attention Adversarial Dual AutoEncoders

Created by
  • Haebom
Category
Empty

저자

Sidahmed Benabderrahmane, James Cheney, Talal Rahwan

개요

본 논문은 은밀하고 장기적인 특성을 가진 Advanced Persistent Threats (APT)를 탐지하기 위해 AutoEncoders 기반의 비지도 이상 탐지 기법과 능동 학습을 결합한 혁신적인 접근 방식을 제안합니다. 제한된 라벨링 비용으로 탐지 정확도를 향상시키기 위해, 불확실한 샘플에 대한 오라클 쿼리를 통해 능동적으로 학습합니다. Attention Adversarial Dual AutoEncoder 기반의 이상 탐지 프레임워크를 제시하고, DARPA Transparent Computing 프로그램에서 생성된 실제 불균형 데이터셋을 활용하여 성능을 평가했습니다.

시사점, 한계점

•
시사점:
◦
비지도 학습과 능동 학습의 결합을 통해 APT 탐지에 필요한 라벨링 비용을 최소화하고 탐지 정확도를 향상시킴.
◦
실제 환경에서 부족한 라벨 데이터를 극복하고 APT 탐지 성능을 개선하는 실용적인 방법 제시.
◦
다양한 운영 체제와 공격 시나리오를 포함하는 실제 데이터셋을 사용하여 방법론의 유효성을 검증.
◦
기존 방법론 대비 우수한 탐지 성능을 보임.
•
한계점:
◦
특정 공격 시나리오와 데이터셋에 대한 성능에 국한될 수 있음.
◦
오라클의 역할에 따라 성능이 좌우될 수 있음 (오라클의 정확성에 의존).
◦
AutoEncoder 모델의 복잡성과 튜닝의 어려움.
👍
Made with Slashpage