2023학년도 1학기 강의계획서

교과목명

(영문명)

기계학습 응용보안

(Applied Data Science and Machine Learning for CyberSecurity)

과목구분

전공

학점(시수)

3

담당학과(부)

정보보안협동과정

담당교수

엄익채

수강학년

대학원 1,2학년

연락처

062-530-5791

강의실

AI융합대학 401호

E-mail

iceuom@jnu.ac.kr

강의시간

월요일 19:00~22:00

면담시간

e-mail통한 사전 협의후 면담

선수과목

-

수업목표

1) 통계적 모델을 활용하여 실제 현장의 문제를 해결할 수 있는 기술을 학습한다.

2) 비지도학습/클러스터링을 이용한 네트워크 기반 이상탐지 문제 헤결

3) 딥러닝 신경망, 합성곱 신경망, 유전자 알고리즘을 이용한 보안 문제 해결

핵심역량

창의

감성

공동체

합계(%)

80

-

20

100

- 창의역량: 융합역량, 문제발견해결역량, 컴퓨팅사고역량으로 구성

- 공동체역량: 자기설계역량, 시민역량, 글로컬역량으로 구성

수업운영

방법

운영방식

역량증진을 위한 수업방법

혼합수업

(원격+대면)

원격수업

대면수업

강의식

발표 및 토의

문제중심학습

프로젝트

기반학습

플립

러닝

실험 및 실습

기타

(자유기술)

합계(%)

○

50

20

5

10

-

15

-

100

<수업방법 세부 기술>

- 기본적으로 이론+실습진행, 중간고사 이후 발표 수업 병행

- 실습 관련 가상화 이미지 등 제공 (자가 실습 가능)

수업평가

방법

중간고사

기말고사

개별과제

팀과제

수업참여도

출석

기타

(자유기술)

합계(%)

25

25

30

-

10

10

-

100

<수업평가방법 세부 기술>

- 중간/기말고사 : 단순 암기식 평가 아닌 문제 해결형 서술식 평가 시행

- 총 1회 개인 발표 진행 (발표시간 20분)

본 교과 관련 국내외 논문 중 개인별 선택하여 발표

진행 방식은 별도 알림

- 출석: 2점 감점(결석 1회), 0.5점 감점(지각 1회)

교재 및 참고자료

구분

도서명

저자

출판사

출판년도

주교재

자체 제작

-

-

-

부교재

Data-Driven Science and Engineering

Steven L. Brunton

Willey

2020

참고자료

Game Theory and Machine Learning for Cyber Security

Charles A. Kamhoua

Willey

2021

주별 수업계획서

주

학습내용

교수학습전략

자료·과제

기타

주차별

운영방식

(혼합/원격/대면)

수업방법

평가방법

1

과정 개요 및 학습 방향 소개

실습환경 Set up

강의

출석

대면

(3월 6일)

2

1장. 데이터 획득-정제-조합(1)

- Python사용

(List, Array, Set, Classs등)

실습1) Python 프로그래밍

- Matplotlib 기본

실습2) Plotting

강의, 실습

출석,

실습

대면

(3월 13일)

3

1장. 데이터 획득-정제-조합(2)

- SQL

(SQL기초, Joins)

실습3) 데이터베이스 질의

- Document Store Query

(JSON, BSON, Documents)

실습4) Querying Document Stores

- 웹사이트 Scraping

실습5) Scraping Websites

강의, 실습

출석,

실습

대면

(3월 20일)

4

2장. 데이터 탐색과 통계(1)

- 통계 기초

실습6) 중앙값과 평균

실습7) 편차계산

- 통계 활용

(히스토그램, Mode, 상관)

실습8) 통계활용

강의, 실습

출석,

실습

대면

(3월 27일)

5

2장. 데이터 탐색과 통계(2)

- 확률과 추론

(조건부 확률, 베이즈 이론)

실습9) 확률, 베이즈 이론과 스팸 필터링

- 시간 영역, 주파수 영역

(무한급수, 푸리에)

실습10) 신호 탐색

강의, 실습

출석,

실습

대면

(4월 3일)

6

3장. 기계학습 기초(1)

- 클러스터링

(K-means, correlation, DBSCAN)

실습11) K-menas와 PCA

실습12) Elbow Method

실습13) DBSCAN

강의, 실습

출석,

실습

대면

(4월 10일)

7

중간고사

시험

시험

대면

(4월 17일)

8

3장. 기계학습 기초(2)

- 지도학습

(분류, SVM, Decision Tree)

실습14) Support Vector Classifiers

실습15) SVM

실습16) Decison tree(RF/Bagging)

실습17) Random Forests

강의, 실습

출석,

실습

대면

(4월 24일)

9

4장. 기계학습 기초(1) - 딥러닝

- 딥러닝 기초

(선형 회귀, Polyfit)

실습18) 선형회귀

- 신경망

(Bias, Variance,선형대수학최적화)

실습19) BOW Ham/Spam

강의, 실습

출석,

실습

대면

(5월 1일)

10

4장. 기계학습 기초(2) - 딥러닝

- 신경망 이용

(최적화, 활성화 함수)

실습20) IP패킷 탐색

- 문제 분류

(Cross-Entropy손실, Sigmoid)

실습21)실시간 비정상 프로토콜탐색

강의, 실습

출석,

실습

대면

(5월 8일)

11

5장. 기계학습 기초(1) - 오토인코더

- 합성곱 신경망

(Convolving, Kernels)

실습22) CNN을 이용한 멀웨어탐지

실습23) Ham vs Spam

실습24) CNN을 이용한 텍스트분류

강의, 실습

출석,

실습

대면

(5월 15일)

12

5장. 기계학습 기초(2) - 오토인코더

- Confusion Matrics

- Precision,Recall, Specificity

- Autoencoders

- Variational Autoencoders

(Convolving, Kernels)

실습25) 로그 비정상 탐지

실습26) 프로토콜 비정상 탐지

강의, 실습

출석,

실습

대면

(5월 22일)

13

6장. 기계학습 기초(1) - 유전알고리즘

- CAPTCHA 풀기

- Tensorflow API

- Thinking outside of the ML Box

실습27) Solving CAPTCHAs

실습28) Transfer Learning

실습29) of Hammers and Nails

강의, 실습

출석,

실습

대면

(5월 29일)

14

6장. 기계학습 기초(2) - 유전알고리즘

- 네트워크 최적화

- Hyperparameter Tuning

- Poolig Layers/Custom Loss FN

- 유전 탐색 알고리즘

실습30) Genetic Search

강의, 실습

출석,

실습

대면

(6월 5일)

15

기말고사

시험

시험

대면

(6월 12일)

* 수업일정은 수업 진행상황에 따라 변동될 수 있습니다.

장애학생

학습지원

- 시각장애학생: 강의 파일 제공, 대필 도우미 허락, 강의 녹음 허락 등

- 청각장애학생: 강의 파일 제공, 대필 도우미 허락, 원격강의 지원 허락(수화, 속기) 등

- 지체, 뇌병변장애학생: 강의 파일 제공, 대필 도우미 허락, 강의 녹음 허락 등

기타 필요하다고 인정되는 사항

※ 장애학생의 경우 수업관리 지침 제28조에 의거하여 평가방식을 조정할 수 있음

기타 참고 사항

수업교재: 자체 제작 배포, 별도 교재 준비 필요 없음

전년도 평가(학생 수업평가 결과 및 CQI) 반영