표제지
요약
목차
제1장 서론 9
제1절 연구배경 및 목적 9
제2절 연구 범위 및 방법 11
제2장 관련 연구 12
제1절 머신러닝과 딥러닝 12
제2절 CNN과 GAN 15
제3절 Tor 네트워크 20
제4절 Tor 트래픽 분류 선행 연구 22
제3장 Tor 네트워크 트래픽 탐지 방안 24
제1절 제안 모델 및 데이터세트 24
제2절 데이터 전처리 및 이미지 생성 27
제3절 신경망 30
제4장 실험 및 평가 33
제1절 실험 환경 및 절차 33
제2절 이진분류 38
제3절 다중분류 40
제5장 결론 48
참고문헌 49
Abstract 53
〈표 1〉 용량별 디스크 분석 시간 10
〈표 2〉 Tor 네트워크 웹사이트 식별 선행연구 22
〈표 3〉 Tor 네트워크 트래픽 유형 분류 선행연구 23
〈표 4〉 클래스별 트래픽 수집방법 25
〈표 5〉 UNB Tor 2016 데이터세트 세부 구성 26
〈표 6〉 생성된 클래스별 이미지 예시 29
〈표 7〉 제안 모델의 CNN 신경망 세부 구성 30
〈표 8〉 제안 모델의 GAN 생성 신경망 세부 구성 31
〈표 9〉 제안 모델의 GAN 감별 신경망 세부 구성 32
〈표 10〉 실험 별 목적 33
〈표 11〉 실험 1을 위한 실험데이터 구성 34
〈표 12〉 실험 2를 위한 실험데이터 구성 35
〈표 13〉 Confusion Matrix 36
〈표 14〉 모델 성능 평가를 위한 평가지표 37
〈표 15〉 실험 1에 대한 성능 평가 결과 38
〈표 16〉 실험 1에 대한 Confusion Matrix 38
〈표 17〉 실험 2에 대한 성능 평가 결과 40
〈표 18〉 실험 2에 대한 Confusion Matrix 41
〈표 19〉 cGAN을 통해 생성된 학습 데이터 예시 43
〈표 20〉 실험 3을 위해 재 구성한 데이터 세부 구성 44
〈표 21〉 실험 3에 대한 성능 평가 결과 45
〈표 22〉 실험 3에 대한 Confusion Matrix 46
〈그림 1〉 머신러닝과 딥러닝의 학습 과정 13
〈그림 2〉 CNN의 구조 15
〈그림 3〉 활성화 함수 ReLU와 Leaky ReLU 16
〈그림 4〉 GAN을 통해 생성한 가상의 얼굴 17
〈그림 5〉 GAN의 종류 18
〈그림 6〉 cGAN의 학습 구조 19
〈그림 7〉 Tor 네트워크 구조 20
〈그림 8〉 Tor 네트워크 패킷의 흐름 21
〈그림 9〉 제안 분류 절차 24
〈그림 10〉 분류에 영향을 주지 않는 속성 27
〈그림 11〉 정규화된 트래픽 데이터 28
〈그림 12〉 실험 1의 학습 손실률 및 정확도 39
〈그림 13〉 실험 2의 학습 손실률 및 정확도 42
〈그림 14〉 실험 3의 학습 손실률 및 정확도 47