# 碩論 (2021/5/19) 第16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)
> [碩論 (2021/5/5) 第14次](https://hackmd.io/QqtAESfUTpCyMKwFa6GwHg)
> [碩論 (2021/5/12) 第15次](https://hackmd.io/-5rUjPcoQJeirb-chas7MQ)
> [碩論 (2021/5/19) 第16次](https://hackmd.io/f3l9hmcLTqGItRMu9QGAPw)
> [碩論 (2021/5/26) 第17次](https://hackmd.io/9OAqe43tQOur8J8-deBMZw)
> [碩論 (2021/6/2) 第18次](https://hackmd.io/xDj3opLhSg2P5K6MpYJU6g)

###### tags: `碩論地獄`

:::info
[TOC]
:::

## Yen aka 心好累，好想畢業

### 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) it must be done/finished .....
2. (古) 那 為啥有那ㄍ顯示出來ㄉ指令
3. (Yen)
4. (Cen)
5. (槍熊) 實驗二，為什麼要開一個port來listening remote
6. (Riz)
7. (晁誌) 那第五頁圖片裡面詳細的%數是指甚麼
8. (祐綸) p.62圖的數據
9. (韋德) 要怎麼知道初始化會在什麼時候結束
10. (晨偉) 只有在 班取馬克 執行時會觸發你的機制，那為什麼分數會有差
11. (宗琪) 不明覺厲+1。benchmark 的 score 是怎麼算出來的。
12. (議員)
13. (日日)

* time
* Intro - Introduction : 3m44s
* Motivation & Goals : 1m18s
* Related Work : 3m09s
* System : 12m12s
* Experiment : 7m55s
* Conclusions :
* Total : 28m20s

* 老師
* 每個bench的軟體，都要列出ref，然後哪個要錢哪個不用錢怎樣怎樣的...
* benchmark的score是怎麼算出來的，要去survey一下
* 我問一下吼，這個參與名單的順序，我看到的跟你們一樣嗎，還是不一樣
* 通常不會用第一人稱
* ~~the~~ figure 1
* 通常圖不會有 編號(figure) 用明子就好
* 你要跟甚麼比，怎麼跟其他論文比，要跟他一樣的情況下跟他比，你要研究一下他們的電腦
* 我們要比別人論文的東西怎麼比，很簡單，就是把他實做出來
* 有些人就拿學長的來比 修一休，就直接拿來比
* P7 hacker小寫
* p8 and 文法的意思 (for gene...ing)
* p14 兩句話的時態統一
* related work一律用過去式，自己ㄉ才用現在式
* p21 the concept of the proposed mechanism，還有we
* p23 we不要，3 things怪怪ㄉ
* p25 甚麼叫event，集合用粗體
* p29 一句話解釋function call，用更白話的方式描述
* p44 denote統一辣
* P48 框框的部分要再用文字飆一下，甚麼東西放在下面???
* p49 y軸沒有單位，performance怪怪的，應該是是1次幾毫秒，上面不要有這麼多空白，左邊y軸到10，右邊y軸到20，可不可以把兩張圖放在一起，就不要上面空這麼大
我猜拉，他是要你降版本用低版本核心的東西跟他的方法比一次

---

## Gu aka 原諒你幾回，再讓你幾回

### 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)
2. (古)
3. (Yen)
4. (Cen)
5. (槍熊) P.51 驗證會花費較多的時間，兩台車在通訊時會產生金鑰，但是之後是不是因為金鑰就不需要再產生，主要時間都會花在驗證上
6. (Riz)
7. (晁誌) leader怎麼知道自己要離開(這上次484有人問過啊)，為啥權重距離的因素最低
8. (祐綸) 剛聽下來各有優劣，哪一個是主要選擇EDCSA和RSA的原因
9. (韋德)
10. (晨偉) 地圖怎麼轉的 車輛是什麼分佈 柏松分佈
11. (宗琪) 實驗對三種不同加密機制的驗證是計算很多次平均後的結果嗎
12. (議員)
13. (日日)

* time
* Intro - Introduction : 3m38s
* Motivation & Goals : 1m45s
* Related Work : 3m4s
* System : 11m8s
* Experiment : 3m52s
* Conclusions :
* Total : 23m32s

* 老師
* 為什麼是選這個路口? 因為那個竹北交流道可能....就是說比較複雜的交流道會不會有影響，另外我想問就是說，有人上去有人下來，當車輛是動態的話，這你有模擬到ㄇ?
* P51，右圖，這邊也是想了解的怎麼會overhead會這麼高?你要找出原因哦，看看程式有沒有寫錯，你在思考一下怎麼解釋。
* p51，這邊我要追問一下哦，為什麼他是1:1:1的weight?另外就是那個，你所有圖的y軸，把上面的直接寫在y軸

---

## 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) P57 為啥第一次比較久
3. (Yen)
4. (Cen)
5. (槍熊) ML結合DL的好處
6. (Riz)
7. (晁誌) 使用IDS帶給你甚麼優勢，因為有一些relative work沒有使用
8. (祐綸) p34 port會怎麼處理, p.38 xgboost的input(沒事我暈)
9. (韋德) p.23 的checker是時間暫停器嗎
p.36 k要取多少是怎麼決定的 A:同時考慮效能和真實性(取越多overhead越高) (我以為你會問K有沒有最佳解，以CP值來說
10. (晨偉)
11. (宗琪) P56, RX 和 TX 是什麼意思
12. (議員)
13. (日日)

* time
* Intro - Introduction : 3m48s
* Motivation & Goals : 1m25s
* Related Work : 2m48s
* System : 12m32s
* Experiment : 7m27s
* Conclusions :
* Total : 28m2s

* 老師
* 那麼少的量怎麼是DDoS?你那個是flow為單位?
* distribution那一頁寫個"原始的"
* 為什麼要三個merge再一起，而不是一個就足夠了，我想知道這個答案。
* 個別的話精確度是比較低嗎?
* 那我更需要你把它寫出來，第一個dataset裡面有多少總攻擊，第二個dataset有多少總攻擊...。
* 列出攻擊的類型，還有筆數，還有什麼工具產生，你又新產生哪幾種，為什麼你需要三個加起來。
* 你的演算法要擴展到你有N個資料集也可以(?
* 你有沒有寫說 到底訓練多少次
* ~~我記得你之前不是有個slow http dos攻擊嗎 怎麼不見了~~
* 另外我有個問題哦，這個是跟大家每個都有關係的齁，以後不知道是不是會要用視訊口試齁，你跟明諺的投影片齁，你的只能一小格，你們之後齁要趕快測試一下，到底用哪個工具(e.g. google meet)比較好，大家動畫多一點比較好，沒有動畫，可能口試委員的目光就跑掉了
* 承晏的p51，我這邊剛剛有兩個問題，忘了問筱茵，你的只贏人家1%，你除了贏他1%以外，有什麼是你的優點。還有就是不同的演算法加密結果有沒有不一樣?
* 你有沒有辦法找到說，https(TLS加密)是最多的，還是...什麼文獻去支持你的說的。

---

## 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
* 你收集什麼數據?什麼樣的flow?
* 你的跟筱茵的dataset有什麼不一樣?
* 筱茵你有自己產生什麼dataset嗎?
* 每個資料集的特性要寫出來，你是用什麼工具產生出來?
* 阿(筱茵) 2017那個dataset怎麼產生出來的
* 你下禮拜可能報告一下
* 你可能要有一頁投影片說明preemtive defense?

---

## 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
* each switch with hidden layer?
* plz go to the M&G
* You sure the second problem .....?
---

## 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 :