IoT 침입 탐지를 위한 불균형 학습 네트워크
사물 인터넷(IoT) 네트워크의 급증은 이질적인 트래픽 특성, 대규모 연결성, 그리고 심하게 불균형한 공격 분포로 인해 사이버 보안 위험을 크게 증가시켰습니다. 기존 침입 탐지 방식은 주로 계산 비용이 높은 딥러닝 아키텍처나 합성 과표집 기법을 통해 전반적인 탐지 성능을 향상시키는 데 초점을 맞추지만, 트래픽 특징 간의 의미론적 관계를 간과하고 계산 복잡성을 증가시키며 소수 공격 패턴 학습 능력이 제한적이라는 한계가 있습니다. 본 논문은 경량의 불균형 학습 기반 IoT 침입 탐지를 위한 트래픽 인식 불균형 학습 네트워크(TAIL-…