DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Son, Sooel | - |
dc.contributor.author | 신동원 | - |
dc.contributor.author | Shin, Dongwon | - |
dc.date.accessioned | 2024-08-08T19:30:24Z | - |
dc.date.available | 2024-08-08T19:30:24Z | - |
dc.date.issued | 2024 | - |
dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=1097355&flag=dissertation | en_US |
dc.identifier.uri | http://hdl.handle.net/10203/321823 | - |
dc.description | 학위논문(석사) - 한국과학기술원 : 정보보호대학원, 2024.2,[v, 33 p. :] | - |
dc.description.abstract | 허위 계정을 이용한 공격은 웹 서비스의 신뢰성과 무결성을 해치는 중대한 위협으로, 공격자는 다수의 허위 계정을 생성하고 이를 악용하여 공격한다. 이러한 위협을 완화하기 위하여 이전 연구들에서는 허위 계정 탐지에 집합적 분류를 활용하는 방법들이 제안하였다. 하지만 최근 연구에서는 최신의 적대적 공격이 기존의 집합적 분류를 우회할 수 있다는 것을 보여주며 새로운 보안 위협을 제기하였다. 집합적 분류에 대한 공격을 완화하기 위해 우리는 RICC을 제안한다. RICC은 적대적 공격에 의해 생성된 허위 계정을 올바르게 탐지하기 위한 최초의 견고한 집합적 분류 프레임워크이다. RICC은 공격자들이 수행하는 적대적 공격이, 목표로 하는 집합적 분류 모델에 매우 특화되어 있어 공격 예산을 최적화한다는 공격자의 전략을 이용한다. RICC은 각 라운드에서 무작위로 추출한 학습 데이터셋을 이용한 분류 결과가 안정화되도록 유도함으로써 집합적 분류에 대한 견고성을 달성하였다. RICC은 Enron, Facebook, Twitter_S, Twitter_L 데이터셋에 대하여 집합적 분류를 이용한 허위 계정 탐지에 우수한 성능과 견고성을 보였다. | - |
dc.language | kor | - |
dc.publisher | 한국과학기술원 | - |
dc.subject | Collective classification▼aSybil account▼aAdversarial attack▼aRobustness▼aOnline social network | - |
dc.subject | 집합적 분류▼a허위 계정▼a적대적 공격▼a견고성▼a온라인 소셜 네트워크 | - |
dc.title | 허위 계정 탐지를 위한 무작위 추출 기반 집합적 분류 | - |
dc.title.alternative | Random sampling-based collective classification for sybil account detection | - |
dc.type | Thesis(Master) | - |
dc.identifier.CNRN | 325007 | - |
dc.description.department | 한국과학기술원 :정보보호대학원, | - |
dc.contributor.alternativeauthor | 손수엘 | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.