악의적 활동과 쓰레드의 증가로 인하여, 낮은 하드웨어 장비에서도 높은 효율성으로 운영되고 신속한 검출과 반응에 응답하는 침입탐지 시스템(IDS)을 필요로 하고 있다. 본 논문에서는 침입탐지 시스템의 어려움을 해결하기 위해 확률적 접근법인 은익 조건부랜덤필드 모델을 제안한다. 제안하는 모델은 기존 모델의 오용탐지를 줄이고 훈련 데이터 집합에서 공격탐지보다 각각의 공격에 맞는 특성을 분류하여 훈련함으로써 각각의 공격에 대해 높은 결정오류를 줄일 수 있음을 실험적으로 제시한다. 또한 공격탐지를 위한 특징은 전체 특징에 대한 훈련 node를 줄임으로써 훈련시간을 감소시킴을 알 수 있었다. 본 논문에서 제안하는 은익조건부랜덤필드(HCRFs)를 기반으로 하는 침입탐지 시스템의 MFS(Manual Feature Selection)방식, BEFA(Backward Elimination & Wrapper Approach)를 포함하는 TSHFS(Two-stage Feature Hybrid Selection) 접근법이 성능을 강화함을 알 수 있었다.
With the increase of the malicious activities and threads, we need intrusion detection system(IDS) reacting faster at detection and running more high efficiency with low hardware requirements.In this thesis, we introduce a conditional probability approach and proposed intrusion detection system(IDS) based on Hidden Conditional Random Fields (HCRFs). We also show result with respect to decision error of detection using HCRF and experiment with KDD intrusion data set and we using the Two-stage Hybrid Feature Selection(TSHFS) method, which contains Manual Feature Selection (MFS)method and Backward Elimination & Wrapper Approach (BEWA) method to enhance of accurate and time of the intrusion detection system based on HCRFs.