Bridging the Closed-World Gap: Interpretable Anomaly Detection via a Hybrid TSK-FCM Ensemble on the BETH Dataset↗ (원문, 새 창)

연구팀이 지도학습과 비지도학습을 결합한 하이브리드 퍼지 앙상블을 제안해 BETH 데이터셋에서 분포 외(OoD) 봇넷 공격 탐지 문제를 해결했다. 커널 수준 데이터셋에서 TSK 퍼지 분류기로 기존 내부자 위협을 학습하고, FCM 모듈로 기하학적 이상치를 탐지한다. 고차원 공간에서 퍼지 소속도가 저하되는 문제를 Min Distance 지표로 극복해 AUROC 0.9951을 달성, 기존 Isolation Forest 대비 17.1% 향상된 성능을 보였다. 지도학습의 정밀도와 비지도학습의 적응력을 결합해 해석 가능하면서도 강력한 네트워크 방어 체계로 가는 길을 제시한다.

• TSK 퍼지 분류기(지도학습)와 FCM 모듈(비지도학습)을 결합한 하이브리드 앙상블 구조
• 고차원 공간에서 퍼지 소속도 저하 문제를 Min Distance 지표로 해결
• BETH 데이터셋에서 AUROC 0.9951 달성, Isolation Forest 대비 17.1% 성능 향상
• 해석 가능성과 탐지 정확도를 동시에 확보한 네트워크 방어 프레임워크