- 관련 연구 추가
- 메타러닝
- 메타러닝을 사용한 이유에 대한 내용 필요
- 내가 말하는 장점에 대한 증명을 어떤 실험으로 알 수 있는가??
- 논문 3장
- 제안하는 아이디어
- 코드 구현
- bert + meta learning 구현
- 차등 학습 알고리즘 구현
- 실험
- 학습 데이터 적은 상황
- 학습 데이터 많은 상황
- 논문 4장
- 이전 연구
- meta learning
- meta learning + 차등학습
- 논문 5장까지 작성
- 10월 23일까지 논문 형식 수정, 중복 표현 제거, 평가 결과 수정
기존 취약점 유형과 취약점 정보를 학습
분류해야할 취약점 유형이 증가할수록 분류 시스템의 정확도가 떨어짐
이유 : (데이터 불균형) 학습 데이터가 적은 취약점 유형의 특성을 학습하기 어려움.
메타러닝 기반 차등 학습 기법 사용
선행 학습된 공통 특징을 활용해 취약점의 특성을 학습
학습 데이터가 줄어들수록 사전학습 데이터의 중요도가 올라감. 사전 학습을 효과적으로 할 수 있는 차등 학습을 수행해야함.
장점 : 메타 러닝 기반의 차등 학습 기법의 장점 데이터 의존도를 낮춰 학습 데이터가 적은 취약점 분류에서 높은 정확도를 달성할 수 있다.
학습 난이도란 (특징 크게 다른 유형은 조금 학습 특징이 유사한 유형은 많이 학습)
2장에서는
- 제안하는 취약점 분류 시스템의 기반 기술인 메타 러닝 구조와 자연어 처리 모델인 BERT에 대해서 살펴보고
- 기존 인공지능 기반의 취약점 분류 시스템에 대해서 분석한다.
3장에서는 제안하는 메타 러닝 구조의 취약점 분류 시스템에 대한
- 전체적인 구조와
- 차등 학습 기법에 대해 설명한다.
4장에서는 제안하는 취약점 분류 시스템의 성능을 기존 취약점 분류 시스템과 비교 분석한다.
5장에서는 결론 및 향후 연구 과제를 제시한다.