# 碩論 (2021/5/5) 第14次
> [碩論 (2021/1/6) 第1次](https://hackmd.io/lQUIFZCdSHOLwzvwI9WsOw?both)
> [碩論 (2021/1/20) 第2次](https://hackmd.io/IbJDXXacSaetaHRpinuqpA?both)
> [碩論 (2021/1/27) 第3次](https://hackmd.io/mzur4HIZRF66sjkMear1rQ)
> [碩論 (2021/2/3) 第4次](https://hackmd.io/HBvT3a8tS9CxdUcCcQVkqg)
> [碩論 (2021/2/24) 第5次](https://hackmd.io/MvviEMO_TyG1Xqd5sQTSPw)
> [碩論 (2021/3/3) 第6次](https://hackmd.io/X4KKgcnnQMieS-dvl1lYyA)
> [碩論 (2021/3/17) 第7次](https://hackmd.io/r2EZTug-Q3OHScgs0eMi5w)
> [碩論 (2021/3/25) 第8次](https://hackmd.io/uxTGxw7LQTGkd2CU1gUIAQ)
> [碩論 (2021/3/31) 第9次](https://hackmd.io/1fXLcGDBSC2txhP51G7nAQ)
> [碩論 (2021/4/7) 第10次](https://hackmd.io/ipFw-4TxRd2xTbNQ6-DfMA)
> [碩論 (2021/4/14) 第11次](https://hackmd.io/KA_dhLtxT1C3dSmKeXhKhg)
> [碩論 (2021/4/21) 第12次](https://hackmd.io/B7WYI8G1TnaPpYYKmuVWzw)
> [碩論 (2021/4/28) 第13次](https://hackmd.io/tPyYVp9MQ32MOA7secTYiw)

###### tags: `碩論地獄`

:::info
[TOC]
:::

## Yen aka 30cm

### 雲環境中基於虛擬機自我檢查偵測惡意行為之研究
> 英文題目:Using Virtual Machine Introspection to Detect Malicious Behavior for Cloud Environment

1. (Yin) 監控是放在hypervisor上嗎？是另開一台VM去監控看他VM?
2. (古)沒人看得懂 舒服 戲精？
3. (Yen)
4. (Cen)
5. (槍熊) Virtual machine introspection 不是要inspect VM，它是如何做到 inspect 的？
6. (Riz)
7. (晁誌) 你的機制有什麼缺點
8. (祐綸) nc是啥
9. (韋德) 抱歉== 我錯了
10. (晨偉) 會測試被大量攻擊的清況ㄇ？
11. (宗琪) 這裡的插針是在要偵測的 function 中的指令前後幾行放入你的偵測程式嗎？ 不是，是偵測記憶體位址。
12. (議員)
13. (日日)攻擊分為三類，三種都可以偵測到？如果它變形呢

* time
* Intro - Introduction : 3m41s92 (精確仔)
* Motivation & Goals : 1m18s71
* Related Work : 3m18s34
* System : 6m52s01
* Experiment : 2m18s35
* Conclusions :
* Total : 17m29s05

* 老師
* 來，你來主持。
* 你沒測為什麼寫上去，因為我們是有測就寫（有窗就舒服趴）
* 那你有真的試過嗎（陳偉ㄉ問題），ok
* 好。再來
* 欸你你你... 論文裡面會不會寫這些instruction
* 哼哼
* 其實現在虛擬機攻擊比重越來越高，高達三成以上
* 你是不是專門有一個部分專門討論變形（柯博文）
* 證明你的應對變形還是能work
* 或者有個實驗就是變形的結果
* 然後，你的名字怪怪的，DBE，這個....痾....我是覺得怪怪的，detection什麼？
* 好像你的名字就是怪怪的
* 過馬路前就要東張西望
* 雖然你有一些圖但要怎麼更......更讓人理解，怎樣...恩...讓人更淺顯易懂一點

---

## Gu aka 想請客人

### 車載網路於異構邊緣雲中基於身分隱私之服務下載機制
> 英文題目：A Service Download Mechanism Based on Identity Privacy for VANET in Heterogeneous Edge-Cloud Environment

1. (Yin) 新的那頁叛徒，0.4,0.4,0.2從何而來???
2. (古)
3. (Yen)
4. (Cen)
5. (槍熊)
6. (Riz)
7. (晁誌) ＴＡ是直接跟車子驗證，還是ＴＡ是借由ＲＳＵ去驗證（對不起＝＝KMPH是什麼
8. (祐綸) 橋下出現幾台車，會不會影響proxy車的選擇
9. (韋德)
10. (晨偉)
11. (宗琪) P26. 我知道上次為什麼舒服舒服想問那個問題了。既然 RSU 只會給 TA 一次密鑰，那為什麼這個不是第一步。 P29. Proxy vehicle 是怎麼知道自己要離開 RSU 的服務範圍。（問兩個夠狠->明年投究弄的男人
12. (議員)
13. (日日)

* time
* Intro - Introduction : 4m49s
* Motivation & Goals : 1m45s
* Related Work : 4m31s
* System : 10m26s
* Experiment : 2m19s
* Conclusions :
* Total : 23m51s

* 老師
* 比較表，你的是Ｏ，別人的都是Ｘ，這樣有什麼相關性？
* 為什麼ＱoS那個其他人都沒有Ｒ？
* 那個60跟50，可以換(maxminma?)一下，不然人家就會問為啥是60還是50，
* 現在是5g時代了，有沒有可能不需要rsu
* 那你可以解釋成 一堆5g基地台 可不可以解釋成rsu?
* 反正就是 可不可以接上 5g 然後投 九耨
*
---

## Yin aka 戒酒了拉
### 基於深度學習之惡意舒服加密封包偵測
> 英文題目：A Deep Learning Approach for Malicious and Encrypted Packet Detection

1. (Yin)
2. (古) 為什麼要比較DNN和CNNㄑ
3. (Yen)
4. (Cen) 是一開是先分出攻擊封包才去做分類的嗎? Ans.全部一起去分類，包括正常流量
5. (槍熊) 什麼是fine-grained classification?
6. (Riz)
7. (晁誌) 公開資料及跟自己的資料集的佔比、比重？（我不知道要問什麼拉）
8. (祐綸) p.45 bengin是啥 ans:正常的流量
9. (韋德) 為什麼預測準確的類型也要做cross-grain？ 因為攻擊特徵很像
10. (晨偉) reshape 為什麼有兩層？
11. (宗琪) 從 fine-grain 轉 cross-grain 時會將分類變的粗略，那被分成相同類型的攻擊偵測到時處理的方式都是一樣的嗎？
12. (議員)
13. (日日)

* time
* Intro - Introduction : 3m37s
* Motivation & Goals : 1m25s
* Related Work : 2m47s
* System : 11m16s
* Experiment : 4m37s
* Conclusions :
* Total : 23m45s

* 老師 (出4啦 阿北)
* 你的投影片.key是啥？keynote的特點是啥？
* 我們之前好像沒有人用keynote (?)
* ~~你有好多地方的ddos的s你寫 小寫~~
* 你的有slow dos攻擊對嗎？(面向昀邵)
* 你的slow dos攻擊是 slow http嗎？
* ~~你要不要把工具列個表 (網址, ref, 版本, 名稱 ... etc)~~
* ~~到底你有多少個資料集？怎麼產生的？多少種攻擊？怎麼樣的混雜攻擊？攻擊佔％？正常的站％？這個比例不一樣484也會不一樣？你的十二種的traffic的量是一樣多嗎？你的balance是怎麼樣balance?最好能夠有個例子出來，~~
* 十三種你是怎麼樣的分布法？假設你每一種有100個封包好不好，這樣子拿去訓練，你的順序是怎樣？有沒有一個機率？還是怎麼樣，你可以說明一下ㄇ？我想知道你最後是怎麼打散他？是以封包來穿來穿去，還是有什麼規則？
* 你是100個正常的連續出來，在5個惡意的，還是5個穿插在100個正常的裡面？網路上應該是穿插的對拔？(最後回答：yes)你可以把這個過程寫清楚嗎？
* 回到xgboost那一頁，你的cnn+xgboost才多0.1%，頂多0.2%，阿為什麼要合再一起，你可能前面要有說明，因為大家可能不知道
* 你訓練的次數有關係，這是你訓練的最好的一次數據嗎？
* 我建議你趕快，每一種都跑一跑，跑到最好的。
---

## Cen aka yoyo球
### 5G網路中針對分散式舒服切片移動攻擊之防禦
> 英文題目: TODO

1. (Yin)
2. (古)
3. (Yen)
4. (Cen)
5. (槍熊)
6. (Riz)
7. (晁誌)
8. (祐綸)
9. (韋德)
10. (晨偉)
11. (宗琪)
12. (議員)
13. (日日)

* time
* Intro - Introduction :
* Motivation & Goals :
* Related Work :
* System :
* Experiment :
* Conclusions :
* Total :

* 老師
---

## Gun Bear （槍熊）

### 基於SDN網路之Slow HTTP服務阻斷攻擊偵測
> 英文題目: Slow HTTP DoS Attack Detection in SDN Network

1. (Yin)
2. (古)
3. (Yen)
4. (Cen)
5. (槍熊)
6. (Riz)
7. (晁誌)
8. (祐綸)
9. (韋德)
10. (晨偉)
11. (宗琪)
12. (議員)
13. (日日)

* time
* Intro - Introduction :
* Motivation & Goals :
* Related Work :
* System :
* Experiment :
* Conclusions :
* Total :

* 老師
* 筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了筱茵已經100%了
* （不要再鞭我了，繼楷成之後的千古罪人
*

---

## Riz
### In-Network traffic classification using programmable data plane

1. (Yin)
2. (古)
3. (Yen)
4. (Cen)
5. (槍熊)
6. (Riz)
7. (晁誌)
8. (祐綸)
9. (韋德)
10. (晨偉)
11. (宗琪)
12. (議員)
13. (日日)

* time
* Intro - Introduction :
* Motivation & Goals :
* Related Work :
* System :
* Experiment :
* Conclusions :
* Total :

* 老師
---

## 日日有報

---

## Template

1. (Yin)
2. (古)
3. (Yen)
4. (Cen)
5. (槍熊)
6. (Riz)
7. (晁誌)
8. (祐綸)
9. (韋德)
10. (晨偉)
11. (宗琪)
12. (議員)
13. (日日)

* time
* Intro - Introduction :
* Motivation & Goals :
* Related Work :
* System :
* Experiment :
* Conclusions :
* Total :

* 老師

## template

* time
* Intro - Introduction :
* Background :
* Related Work :
* Motivation & Goals & comparison table:
* Workflow - System :
* Experiment Plan :
* Conclusions :
* Total :