AI 기반 네트워크 위협 탐지

<높은 탐지 정확도로 대용량 악성/정상 트래픽을 분석하는 AI 기반의 네트위크 위협 탐지 알고리즘 개발 >

 

예선

---

탐지율 100%

※ 공격 유형 탐지 시 추가점수 부여

 

본선

---

탐지율(80%) + 발표점수(20%)

※ 공격 유형 탐지 시 추가점수 부여
※ 발표 점수 : 알고리즘 설명문서, 발표자료 검토를 통한 자동화 및 알고리즘 창의성 평가
※ 편법여부 확인을 위한 알고리즘 설명문서 검토

 

평가산정식(탐지율)

---

전체 결과 중 정상패킷과 악성패킷을 정확히 탐지한 비율을 측정합니다.

카테고리		실제결과
		악성패킷	정상패킷
실험결과	악성패킷	True Positive(TP)	False Positive(FP)
	정상패킷	False Negative(FN)	True Negative(TN)

※ True Positive : 실제 악성패킷을 악성패킷으로 정확히 예측
※ True Negative : 실제 정상패킷을 정상패킷으로 정확히 예측
※ False Positive : 실제 정상패킷을 악성패킷으로 예측
※ False Negative : 실제 악성패킷을 정상패킷으로 예측

※정확도 측정을 위해 F1-Score(탐지율)를 사용합니다.

\[F1-Score = 2×\frac{Precision×Recall}{Precision+Recall}\]

 * Precision(정확률) : 제안한 알고리즘이 공격을 판단했을 때 실제 공격이 이루어진 비율(정답 인정수/참가자가 예측한 공격수)
 * Recall(재현율) : 실제 공격이 이루어졌을 때 제안된 알고리즘이 공격을 판단하는 비율(정답 인정수/실제 공격수)

\[Precision=\frac{TP}{TP+FP}, Recall=\frac{TP}{TP+FN}\]