newhaneul

본 포스팅은 인하대학교 이용우 교수님의 ICE4020 정보보호론을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. (교재: Security in Computing, 5th/6th Ed., Charles P. Pfleeger) 1. Threats to Network Communications 1.1 Four Threats 네트워크 통신에 대한 위협은 interception(무단 열람), modification(무단 변경), fabrication(무단 생성), interruption(정당한 접근 방해) 네 가지이다. 위협의미침해되는 속성Interceptionunauthorized viewing (무단 열람)ConfidentialityModificationunauthorized change (무단 변경..

본 포스팅은 인하대학교 Namhyuk Ahn 교수님의 [202602-EEC4414-001] Deep Learning을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. 1. One Solution: Feature Transforms Feature transform은 입력을 선형 분류기가 풀기 쉬운 새로운 공간 (feature space)으로 옮기는 함수이다. feature space에서의 선형 분류기는 원래 공간 (original space)에서 보면 비선형 분류기가 된다. 2. Image Features 2.1 Color Histogram Color Histogram은 색 공간을 몇 개의 구간 (bin)으로 나누고, 이미지의 각 픽셀이 어느 색 bin에 속하는지 세어 만든 히스토그램이다.픽셀이 어디..

본 포스팅은 인하대학교 이용우 교수님의 ICE4020 정보보호론을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. (교재: Security in Computing, 5th/6th Ed., Charles P. Pfleeger) 1. Browser Attacks 1.1 Browser Attack Types Browser Attacks은 아래 다섯 가지로 정리된다.공격핵심 동작Man-in-the-browser브라우저 안의 악성코드가 입력 데이터를 암호화 전에 가로채거나 변조Keystroke logger하드웨어 또는 소프트웨어가 모든 키 입력을 기록Page-in-the-middle사용자를 의도와 다른 페이지로 유도Program download substitution원하는 프로그램 대신 또는 함께 악성코드를..

본 포스팅은 인하대학교 Namhyuk Ahn 교수님의 [202602-EEC4414-001] Deep Learning을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. 1. OverfittingOverfitting은 모델이 training data에서는 지나치게 잘 작동하지만, 처음 보는 데이터에서는 성능이 나쁜 상태를 의미한다.입력이 1차원이고 클래스가 2개인 선형 분류기에서, 세 모델 모두 training accuracy는 100%이지만 가중치가 클수록 loss가 작아지고, 두 클래스 사이에서 확률이 "절벽 (cliff)"처럼 급격하게 바뀐다.이렇게 되면 학습 데이터가 하나도 없는 구간인데도 가파른 모델은 거의 100%의 확신으로 예측하게 된다. 만약 새로운 데이터를 모델이 틀린다면 100%의 확신..

본 포스팅은 인하대학교 이용우 교수님의 ICE4020 정보보호론을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. (교재: Security in Computing, 5th/6th Ed., Charles P. Pfleeger) 1. Memory Structure: Code and Data Reside in the Same Memory 1.1 Memory Allocation프로그램 메모리는 낮은 주소부터 Code → Static data → Heap 순으로 놓이고, Stack은 가장 높은 주소에서 시작한다. Heap은 높은 주소 쪽으로, Stack은 낮은 주소 쪽으로 자라서 서로를 향해 커진다.기억할 점은 명령어(Code)와 데이터(Static data, Heap, Stack)가 하나의 메모리 공간 ..

본 포스팅은 인하대학교 Namhyuk Ahn 교수님의 [202602-EEC4414-001] Deep Learning을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. 1. Parametric Approach: Linear Classifier 1.1 Parametric Approach Parametric Approach는 이미지 $x$와 파라미터 (weights) $W$를 입력받아 클래스별 점수를 출력하는 함수 $f(x, W)$를 정의하고, training data에서 얻은 지식을 $W$에 담아두는 방식이다.Input: 32×32×3 숫자 배열 (총 3072개)인 이미지 $x$Parameters (weights): $W$Output: 10 numbers giving class scores $f$의 가장..

본 포스팅은 인하대학교 Namhyuk Ahn 교수님의 [202602-EEC4414-001] Deep Learning을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. 1. Image Classification: Problem Definition and Challenges 1.1 Image Classification: A Core Computer Vision TaskImage Classification은 입력 이미지 하나를 받아, 미리 정해진 카테고리 집합 중 하나의 라벨을 할당하는 문제이다.Input: 이미지 (예: 고양이 사진)Output: {$\text{cat, bird, deer, dog, truck}$}처럼 고정된 라벨 집합 중 하나 $\rightarrow$ cat 1.2 ChallengesC..

본 포스팅은 인하대학교 유상조 교수님의 [202602-EEC3412-001] Computer Network을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. (교재: Kurose & Ross의 Computer Networking: A Top-Down Approach 8th Edition) 1. Principles of Network Applications 1.1 Client-Server vs. Peer-to-PeerClient-Server는 항상 켜져 있는 서버에 클라이언트들이 접속하는 구조이고, P2P는 항상 켜진 서버 없이 peer 들이 서로 서비스를 요청하고 제공하는 구조이다. Client-ServerP2P서버always-on host, 고정 IP, 데이터센터always-on 서버 없음참여자클..