실시간 위협 평가 불완전한 센서 데이터로 오픈 액세스 해군 대학원을 운영합니다. 논문 작성자 프레드릭 B. 스탠포드.

국방부는 미국과 동맹국에 대한 잠재적 위협에 대한 중요한 데이터를 수집하기 위해 매일 다양한 센서를 사용합니다. 그러나 이러한 센서가 기술적 한계와 인적 오류로 인해 항상 정확한 정보를 포착하는 것은 아닙니다. 이 논문에서는 위협을 효과적으로 탐지하기 위해 센서에서 수집한 데이터에 오탐과 양성이 포함될 수 있는 데이터를 활용하는 수학적 프레임워크를 소개합니다.

첫 번째 공식은 센서 운영자가 특정 위치에서 위협이 발생할 가능성에 대한 정보를 가지고 있다고 가정하는 반면, 두 번째 공식은 공격자가 탐지를 피하기 위해 의도적으로 대상을 선택할 수 있다는 점을 고려합니다. 두 경우 모두, 저자는 임계값 기반 정책을 개발하여 공격이 발생할 가능성이 가장 높은 영역으로 센서를 안내하고 공격 확률이 위치별 임계값을 초과하면 알람을 트리거합니다.

저자는 몬테카를로 시뮬레이션을 사용하여 실시간 위협 탐지 확률을 극대화하고 오경보 사이의 평균 시간을 최소화하는 두 가지 상충되는 목표에 대해 이러한 임계값 기반 정책을 평가합니다. 이 연구 결과는 임시적인 평가를 넘어 분야별 전문가의 전문 지식에 의존하는 강력한 알고리즘을 사용하여 불완전한 센서 데이터를 정량화할 수 있게 해줍니다.

불완전한 센서 데이터를 사용한 실시간 위협 평가에는 다음과 같은 주요 섹션이 포함되어 있습니다:

  • 소개
  • 공격 가능성에 대한 인텔리전스를 갖춘 센서 작동
  • 전략적 공격자에 대한 센서 작동
  • 결론

게시물 이미지 크레딧 - Adobe Stock 제공 디나나스