자동차용 침입 탐지

예선

탐지 정확도 100%

본선

탐지 정확도 80% + 발표 점수 20%

침입 탐지 정확도

정확도 측정을 위해 F1-score를 사용합니다.

카테고리실제결과
PositiveNegative
실험결과PositiveTrue PositiveFalse Positive
NegativeFalse NegativeTrue Negative
  • True Positive는 실제 공격 메시지를 정확하게 예측한 상황을 의미함
  • True Negative는 실제 정상 메시지를 정확하게 예측한 상황을 의미함
  • False Positive는 실제 정상 메시지를 공격 메시지로 예측한 상황을 의미함 (오탐)
  • False Negative는 실제 공격 메시지를 정상 메시지로 예측한 상황을 의미함 (미탐)

\[ Precision = \frac{True Positive}{True Positive+False Positive} , \ Recall= \frac{True Positive}{True Positive+False Negative} \]

  • Precision(정밀도)은 제안한 알고리즘이 공격 메시지로 예측한 메시지 중 실제 공격 메시지의 비율을 나타냄
  • Recall(재현율)은 실제 공격 메시지 중 제안한 알고리즘이 공격 메시지를 정확히 예측한 비율을 나타냄

\[ F1  \ score = 2 \times \frac{Precision \times Recall}{Precision + Recall} \]

F1-Score는 Precision과 Recall의 조화평균으로, 공격과 정상 데이터의 분포가 일정하지 않은 상황에서 성능을 합리적으로 평가할 수 있음