Digital Library
Search: "[ keyword: Encoder ]" (12)
딥러닝을 이용한 부채널 데이터 압축 프레임 워크
정상윤,
김희석,
진성현,
Vol. 34, No. 3, pp. 379-392,
6월.
2024
10.13089/JKIISC.2024.34.3.379
주제어: Side-Channel Analysis, compression, Autoencoder, Deep Learning
![](https://d2kjln74dkk4oj.cloudfront.net/img/doi_icon.png)
주제어: Side-Channel Analysis, compression, Autoencoder, Deep Learning
오토인코더 기반 IoT 디바이스 트래픽 이상징후 탐지 방법 연구
박승아,
장예진,
김다슬,
한미란,
Vol. 34, No. 2, pp. 281-288,
4월.
2024
10.13089/JKIISC.2024.34.2.281
주제어: Anomaly Detection, Autoencoder, IoT device, Network traffic
![](https://d2kjln74dkk4oj.cloudfront.net/img/doi_icon.png)
주제어: Anomaly Detection, Autoencoder, IoT device, Network traffic
이미지 분류를 위한 오토인코더 기반 One-Pixel 적대적 공격 방어 기법
심정현,
송현민,
Vol. 33, No. 6, pp. 1087-1098,
12월.
2023
10.13089/JKIISC.2023.33.6.1087
주제어: Adversarial attack, One-Pixel Attack, Autoencoder, Deep Neural Networks, Differential Evolution
![](https://d2kjln74dkk4oj.cloudfront.net/img/doi_icon.png)
주제어: Adversarial attack, One-Pixel Attack, Autoencoder, Deep Neural Networks, Differential Evolution
넷플로우-타임윈도우 기반 봇넷 검출을 위한 오토엔코더 실험적 재고찰
강구홍,
Vol. 33, No. 4, pp. 687-697,
8월.
2023
10.13089/JKIISC.2023.33.4.687
주제어: Botnet Detection, Network Security, Autoencoder, NetFlow, Power-law
![](https://d2kjln74dkk4oj.cloudfront.net/img/doi_icon.png)
주제어: Botnet Detection, Network Security, Autoencoder, NetFlow, Power-law
Reference 기반 AI 모델의 효과적인 해석에 관한 연구
이현우,
이태진,
한태현,
박영지,
Vol. 33, No. 3, pp. 411-425,
6월.
2023
10.13089/JKIISC.2023.33.3.411
주제어: Artificial Inteligence, Interpretation, Autoencoder, Reference
![](https://d2kjln74dkk4oj.cloudfront.net/img/doi_icon.png)
주제어: Artificial Inteligence, Interpretation, Autoencoder, Reference
비프로파일링 기반 전력 분석의 성능 향상을 위한 오토인코더 기반 잡음 제거 기술
권동근,
진성현,
김희석,
홍석희,
Vol. 29, No. 3, pp. 491-501,
5월.
2019
10.13089/JKIISC.2019.29.3.491
주제어: Side-Channel Analysis, Non-Profiled Attack, Deep Learning, Auto-Encoder, Preprocessing, Side-Channel Analysis, Non-Profiled Attack, Deep Learning, Auto-Encoder, Preprocessing
![](https://d2kjln74dkk4oj.cloudfront.net/img/doi_icon.png)
주제어: Side-Channel Analysis, Non-Profiled Attack, Deep Learning, Auto-Encoder, Preprocessing, Side-Channel Analysis, Non-Profiled Attack, Deep Learning, Auto-Encoder, Preprocessing
공개 딥러닝 라이브러리에 대한 보안 취약성 검증
정재한,
손태식,
Vol. 29, No. 1, pp. 117-125,
1월.
2019
10.13089/JKIISC.2019.29.1.117
주제어: Adversarial attack, MNIST, Deep Learning, Security, Autoencoder, Convolution Neural Network, Adversarial attack, MNIST, Deep Learning, Security, Autoencoder, Convolution Neural Network
![](https://d2kjln74dkk4oj.cloudfront.net/img/doi_icon.png)
주제어: Adversarial attack, MNIST, Deep Learning, Security, Autoencoder, Convolution Neural Network, Adversarial attack, MNIST, Deep Learning, Security, Autoencoder, Convolution Neural Network
Variational Autoencoder를 활용한 필드 기반 그레이 박스 퍼징 방법
이수림,
문종섭,
Vol. 28, No. 6, pp. 1463-1474,
11월.
2018
10.13089/JKIISC.2018.28.6.1463
주제어: Software Testing, Fuzzing, Vulnerability, Deep Learning, VAE(Variational Autoencoder), Software Testing, Fuzzing, Vulnerability, Deep Learning, VAE(Variational Autoencoder)
![](https://d2kjln74dkk4oj.cloudfront.net/img/doi_icon.png)
주제어: Software Testing, Fuzzing, Vulnerability, Deep Learning, VAE(Variational Autoencoder), Software Testing, Fuzzing, Vulnerability, Deep Learning, VAE(Variational Autoencoder)