# 碩論 (2021/4/28) 第13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)

###### tags: `碩論地獄`

:::info
[TOC]
:::

## Yen aka 不喝飲料怪人

### 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)
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

---

## Gu aka 飲料人

### 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)
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
* 下禮拜要告訴我們，誰是最厲害的，怎麼比。
* 看你show
---

## Yin aka 不喝飲料人
### 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)
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
* 有沒有比xgboost更強的

---

## Cen aka 不喝飲料人
### 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) goals的第二點為什麼要用auto scale的機制去減緩yoyo attacks？yoyo attacks不是就是利用auto sacle的方式造成的攻擊嗎？
2. (古)
3. (Yen) handover之捷運之yoyo attack , goal 那邊 L...S...T...M... 要大寫
4. (Cen)
5. (槍熊)
6. (Riz)
7. (晁誌)
8. (祐綸)
9. (韋德) p12 range-based是怎麼做的
10. (晨偉)
11. (宗琪)
12. (議員)
13. (日日) 資料pre處理是在做什麼動作。這裡的攻擊是有兩種攻擊ㄇ？所以對於第二種攻擊你的偵測的方式是怎樣？

* time
* Intro - Introduction : 3m1s
* Motivation & Goals : 1m44s
* Related Work : 2m9s
* System : 3m35s
* Experiment :
* Conclusions :
* Total : 10m33s

* 老師
* 你要跟誰比？這是考古題。
* 你要跟誰比，應該要怎麼回答呢：已知文獻裡面，最棒最厲害的(這是原則)
* 最厲害的可以參考，checklist的指標。
*
---

## Gun Bear （槍熊）aka 不喝飲料人

### 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) p13圖片的child process是啥, p21的圖片 模組的內容感覺妹有平級 有點而落差（？偶不知道拉 ，motivation的第二個，slow dos已經有好幾年，要如何保證你的方法比已經有的方法好、比較表的ids使用的優勢是什麼
9. (祐綸)
10. (韋德) 降低Controller resource using的具體意思
11. (晨偉)
12. (宗琪)
13. (議員)Why SDN
14. (日日) 你會跟哪一個做比較？ 因為你剛整理比較表的時候，SHDA是不是跟你蠻像的？

* time
* Intro - Introduction : 1m24s
* Motivation & Goals : 1m7s
* Related Work : 3m27s
* System : 44s
* Experiment :
* Conclusions :
* Total : 6m44s

* 老師
* 之前好像有一篇用deeping learning的，那個跟大家報告一下okㄇ
* 你要對incomplete http traffic要有定義
* 你要一邊想方法，一邊想要跟誰比較，就題目來看的話，的確是跟那個ＳＨＤＡ很像，你不跟他比較也是怪怪的。
* 你在前面的用timeout的，用request的，其實你也要跟他們比較。最主要其實是要想出你自己的東西。
* 你的時間可能就這樣下次下次就沒有了哦，盡可能來找我討論。
* 你可以先實作比較的對象，一邊想方法，這樣就不會浪費時間。那或許把所有的東西和再一起也是一種方法，可能會承受一些overhead。
* 你可以從以往的方法的精確度，多久的反應時間，耗費的成本，去思考，再看看你的方法有沒有辦法去打敗他們。
* 雖然用ai來做精確度高，但可能overhead比較高。
* 希望你可以open mind，給大家來提出問題，給你幫助。
* 事實上最後可能不是老師不給你畢業，反而是同學不讓你畢業，因為會比來比去(?。
* 你不一定要死守SDN跟HTTP，當然你可以先從這兩個下手。
* 我希望一週你可以找我討論兩次
* 禮拜三你固定要上來報告哦

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

1. (Yin) P.16, What is ANN for?
2. (古) How do you solve the hardware limits? does BNN bitwise has higher performance than other scheme?
3. (Yen)
4. (Cen)
5. (槍熊) P.21 How do you decide the number of neurons in each hidden layer?
6. (Riz)
7. (晁誌)
8. (祐綸) What kind of the activation function in your output layer? softmax
9. (韋德)
10. (晨偉)
11. (宗琪)
1. What does the arbitrary mean in p21?
2. What kind of the activation function in your ANN?(Ans:ReLU) Maybe you can add that in the left table in p21.
13. (議員)
14. (日日) p16 online learning or offline learning????????????????????

* time
* Intro - Introduction : 7m24s
* Motivation & Goals : 1m23s
* Related Work : 5m24s
* System : 5m29s
* Experiment :
* Conclusions :
* Total : 19m42s

* 老師
* Move the third one and merge it to the first one, because BNN is not the goal in p9.
* P.16 to add a detail flow chart
* P.9 Give a reason why you adopt BNN (?B吧)
* plz follow the Prof. Lee's suggestion, his suggestion is very good.^_^

---

---

## 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 :