산모의 평균 연령이 높아짐에 따라 영양관리 및 운동에 대한 중요성이 더욱 높아졌다. 임산부는 건강관리가 중요함을 인지하고 있으나 관련 지식에 무지한 경우가 대부분이다. 본 논문에서는 위 문제를 해소하기 위한 어플리케이션을 구현한다. 임산부 일일 영양소 섭취기준과 추천알고리즘을 바탕으로 한 식단 관리, 학습된 모델을 이용한 요가자세추정 기능을 개발한다.

최근 COVID-19의 백신이 개발되어 접종을 시작했다. 정부는 집단면역 생성을 위해 접종 목표치를 설정하고, 민관합동신속대응팀을 설립하는 등의 조치를 취하고 있다. 하지만 COVID-19의 백신이 다른 백신에 비해 개발 기간이 훨씬 짧을뿐더러, 효과가 입증되지 않아 신뢰를 얻지 못하고 있다. 블록체인은 거래 당사자 간의 거래정보를 네트워크에 참여하는 모든 구성원들이 공동으로 기록, 검증, 저장하는 분산장부 기술로 공인된 제3자 없이도 무결성 및 신뢰성을 확보할 수 있다. 이에 본 논문에서는 COVID-19 백신의 신뢰도를 제고하기 위해 블록체인을 기반으로 한 백신 접종 이력 관리 시스템을 설계하고, 향후 QR코드 등의 방식과 연동하여 백신 여권 등으로의 확장 가능성을 제시한다.

최근 임베디드 엣지 컴퓨팅 디바이스에서 AI와 같은 인공지은 연산을 수행하여 AI 추론 연산의 가속화 및 분산화가 많이 이루어지고 있다. 엣지 디바이스는 임베디드 프로세서를 기반으로 AI의 가속 연산을 위해서 내부에 딥러닝 가속기를 포함하여 가속화시키는 시스템 구성을 하고 있다. 딥러닝 가속기는 복잡한 Neural Network 연산을 위한 데이터 이동이 많으며 외부 메모리와 내부 딥러닝 가속기간의 효율적인 데이터 이동 및 버퍼링이 필요하다. 본 연구에서는 엣지 디바이스 딥러닝 가속기 내부의 버퍼 구조를 모델링하고, 버퍼의 크기에 따른 버퍼링 효과를 분석해 보았다. 딥러닝 가속기 버퍼 구조는 RISC-V 프로세서 기반 가상 플랫폼에 구현되었다. 이를 통해서 딥러닝 모델에 따른 딥러닝 가속기 버퍼의 사용성을 분석할 수 있다.

This paper is a survey on the advancement of virtualization technology. Virtualization of resources was an inevitable path in modern computer systems. This abstraction of hardware allowed the decoupling of the operating system that manages the hardware and applications' requirements by adding a layer between them. It also led to the application-centric view of computing and light virtual machines, where each represents a computer networking device. As virtualization technology ripens, the performance of virtual machines can only improve. This paper will be introducing how virtualization technology has evolved from Xen to LightVM and Firecracker.

최근 베어메탈 시스템에 스케줄러 시스템 기반 인프라 시스템에서 벗어나 사용자 맞춤형 클라우드 인프라가 관심을 받고 있다. KI Cloud 플랫폼은 고성능 컴퓨팅(HPC) 사용자를 위한 클라우드 기반 IaaS, PaaS 통합 플랫폼이다. 본 논문에서는 KI Cloud를 위한 데이터 저장소 설계 및 구현에 대해 기술한다. 오픈 소스 Ceph 분산 스토리지 시스템을 기반으로 구축하였고, 프로젝트의 목적에 맞게 블록 스토리지, 오브젝트 스토리지, 파일 스토리지 방식으로 구현하였다. Openstack 기반의 서비스와 Kubernetes 기반의 서비스가 하나의 스토리지를 통해 다양한 타입의 서비스를 제공할 수 있도록 개발하였다.

인공지능 기술을 도입한 의료분야에서 진단 및 예측을 위한 관련 연구가 활발하게 진행되고 있다. 특히, 인공지능 기술 적용에 가장 많이 활용되고 있는 의료영상기반 질환 진단 및 예측 연구결과가 다양한 제품으로 출시되고 있다. 의료영상이 활용되는 다양한 질환 중 간 질환은 통증이 적어 조기진단이 어렵다. 본 논문에서는 인공지능을 기반 간 경화증 환자의 판독을 돕기 위한 웹 서비스기반 시스템을 구축하고 진단결과를 보인다. 이를 위해 웹서비스 프로세스를 보이고 각 프로세스의 구동 화면과 최종 결과화면을 보인다. 제안한 서비스를 통해 간 경화증을 조기에 진단하고, 빠른 치료를 통해 환자의 회복에 도움을 줄 수 있을 것으로 기대한다.

본 논문은 원격 서버에 저장 내용을 백업하는 RAM 기반 디스크 시스템인 NBRD의 프로토타입 구현을 위한 블록 장치 구동기와 이를 이용한 디스크 입출력 성능을 평가한다. 또, SSD의 성능 평가를 실시하여 향후 NBRD의 이점 및 향후 성능 향상 목표값을 설정한다.

블록체인은 탈집중화, 위변조 방지, 추적 가능, 노드 간 공동 유지 및 보수가 가능한 데이터베이스로서 서로 신뢰하지 않은 노드 간 통신 신뢰 문제를 해결할 수 있는 점 대 점 통신 네트워크를 실현할 수 있다. 최근 몇 년 동안, 블록체인 기술은 지속적으로 발전하여 데이터 보안 문제를 해결하기 위한 중요한 기술로 주목받고 있다. 블록체인의 응용은 최초의 디지털 화폐 영역에서 금융·정무·공업 제조 영역으로 확대되고 있다. 블록체인의 특성에 따라 블록체인의 성능은 분산형 데이터 통신에 비해 크게 떨어지고 처리량이 제한되는 문제점이 존재한다. 본 논문에서는 최근 연구되고 있는 블록체인의 보안 구조 및 성능 분석에 대해 조사하고, 기존에 연구되었던 기술과 비교하여 블록체인의 안전성을 유지하며 성능을 향상시키는 방법에 대해 고찰한다. 이후 유향 비순환 그래프 (DAG: Directed Acyclic Graph) 및 샤딩 (Sharding)을 이용하여 안전성과 성능을 강화시키는 방법에 대해 제안한다. 제안하는 시스템은 DAG를 사용하여 위변조 방지 및 처리 속도 향상의 이점을 가지고 있으며, 샤딩을 사용함으로써 데이터 처리량을 향상시킨다. 마지막으로 제안하는 시스템은 기존 블록체인과 비교하여 안정성과 데이터 처리량 측면에서 비교 분석을 진행한다.

현재 코로나 사태로 인해 많은 학교에서 온라인으로 수업이 진행되고 있지만 대면강의에 비해 온라인수업은 진행자와 수강자의 상호작용이 원활하지 않아 집중도가 떨어지는 문제가 있다. 따라서 본 논문에서는 진행자가 전체 수강자의 집중도를 파악하고 전체적인 집중도가 낮아졌을 때 진행자에게 메시지를 전송하여 적절한 주의/환기 등을 줌으로써 온라인수업의 집중도를 향상시킬 수 있는 온라인 수업집중도 분석시스템을 제안한다. 본 시스템을 활용하여 수강자의 집중도 향상 뿐만 아니라 수업의 진행 방향을 조절할 수 있으며 상호작용을 가능하게 하여 수업의 질을 향상시킬 수 있다. 본 논문의 시스템은 dlib 의 안면 검출기와 OpenCV 및 PyQt5 의 QtDesigner 를 사용하여 프로토타입을 구현하였다.

Corona 19 minimizes face-to-face contact, and online untact platforms are emerging in the medical sector. However, there are potential risks of medicine expiration, medicine misuse, and responsible materials management for secure delivery. In this paper, we investigate three key functional requirements for online pharmacy, and design the blockchain based online pharmacy to meet the requirements. To protect the patient's privacy and to ensure tamper-free traceability, we incorporate the multi-level access authentication scheme for each participant (governments, medical circles, and patients). We show that our system guarantees patient's privacy without further system modification.

최근 빅데이터, 인공지능 키워드를 이용한 다양한 연구들이 진행되고 있으며, 인공지능 연구를 통해 자동화 자율화를 위한 연구들이 주를 이루고 있다. 인공지능 연구를 수행하기 위해서는 거대한 데이터를 빠르게 전송해야하며, 인공지능을 손쉽게 수행하기 위한 플랫폼이 필요하다. 하지만 많은 연구기관에서는 빅데이터 전송 속도의 한계가 존재하며, 인공지능 알고리즘 수행을 위한 플랫폼 또한 부족한 것이 현실이다. 이를 해결하기 위해 ScienceDMZ 기술을 활용하여 고속의 빅데이터 전송을 위한 인프라를 구축하고, 엣지 컴퓨팅 기반의 오픈 분산 컴퓨팅 플랫폼을 개발한다. 이 시스템을 통해 사용자들에게 빅데이터를 빠르게 전송하고 전송된 데이터를 이용하여 바로 인공지능 연구를 수행하여 결과를 도출할 수 있는 시스템을 구축하고자 한다. 이 시스템을 이용하여 GPU 분산 컴퓨팅을 수행하였을 때 성능과 GPU 병렬 컴퓨팅을 수행하였을 때의 결과를 비교하여 성능을 검증하고자 한다.

공동 활용 GPU 클러스터 시스템은 PBS, SLURM과 같은 작업 배치 스케줄러 및 Kubernetes, Openstack과 같은 클라우드 플랫폼 소프트웨어를 통해 다수의 사용자에게 공동 활용 서비스를 할 수 있다. 한국과학기술정보연구원(KISTI)에서는 슈퍼컴퓨터 5호기의 보조시스템인 뉴론을 SLURM 배치 스케줄러를 통해 다수의 연구자들에게 서비스하고 있다. 본 논문에서는 작업 배치 스케줄러에서 생성된 과금 통계 데이터를 R의 그래프 함수를 이용해 시각화하여 사용자 작업의 특성을 분석하고 효율적인 계산 자원 관리 정책을 수립할 수 있는 방안에 대해 논의한다.

APU(Accelerated Processing Unit)는 CPU와 GPU가 통합되어있는 프로세서이며 같은 메모리 공간을 사용한다. CPU와 GPU가 분리되어있는 기존 이종 컴퓨팅 환경에서는 GPU가 작업을 처리하기 위해 CPU에서 GPU로 메모리 복사가 이루어졌지만, APU는 같은 메모리 공간을 사용하므로 메모리 복사 없이 가상주소 할당으로 같은 물리 주소에 접근할 수 있으며 이를 Zero Copy라 한다. Zero Copy 성능을 테스트하기 위해 희소행렬 연산을 사용하였으며 기존 메모리 복사대비 크기가 큰 데이터는 약 4.67배, 크기가 작은 데이터는 약 6.27배 빨랐다.

광산 분야 등의 채굴을 위한 천공 과정에서 현재 진행 중인 천공 위치의 실시간 측정이 요구되는데 이를 위해 드릴 후면에 부착된 센서 정보를 로드 파이프를 통해 지상으로 전송할 수 있는 통신방식을 제안하였다. 드릴 후면에 장착된 센서에서 검출된 신호는 송신부에서 변조를 통해 로드 파이프로 전송하고, 수신부에서는 이에 대응되는 복조 과정을 통해 센서 데이터를 추출하였다. 제안된 방법의 검증을 위해 설계된 장치를 사용하여 실험을 수행하였으며, 실험 결과 제안된 방법에 의한 데이터 송수신이 정상적으로 동작함을 확인하였다.

본 논문은 차량과 보행자 간 충돌 사고를 예측하는 V2P(Vehicle to Pedestrian) 서비스에서 보행자 휴대기기의 데이터 전송 시점을 동적으로 계산함으로써 불필요한 통신을 감소시켜 에너지 효율을 향상시키는 것을 목적으로 하며, MEC(Mobile Edge Computing) 기반 V2P 서비스를 제안하였다. V2P 서비스에서는 보행자와 차량 간 충돌 가능성을 예측하기 위하여 두 객체의 실시간 GPS 데이터가 요구된다. 이때 보편적으로 보행자에 비해 차량의 이동속도가 더 빠르기 때문에 보행자가 빠르게 이동해 들어오는 주변 차량에 발견될 수 있기 위해서는 자신의 위치에는 의미 있는 변화가 발생하지 않았더라도 차량 이동속도에 맞춘 빠른 주기로 차량 혹은 중앙 클라우드 서버로 자신의 데이터를 송신해야만 한다. 이 과정에서 보행자 휴대폰의 에너지가 급속하게 소모된다. 따라서 본 연구는 이러한 문제를 해결하기 위하여 MEC 서버를 배치한 V2P 서비스를 제안하였고, 보행자가 본인의 상태 정보를 활용하여 효율적인 다음 데이터 전송 시점을 계산할 수 있는 동적시점계산 알고리즘을 제안하였다.

우주 네트워크는 고지연성, 저신뢰성 등 기존의 지상 네트워크와는 차별화된 특성을 가진다. 또한 높은 예산이 투입되는 우주 임무 특성상 지상 시험 시 발견되지 않은 소프트웨어 버그가 막대한 비용을 초래할 수 있다. 그러나 현재까지 우주 네트워크 환경에 특화된 소프트웨어 업데이트 관련 연구는 부족한 실정이다. 따라서 본 연구에서는 Asynchronous Management Protocol(AMP)을 기반으로 원격 소프트웨어 업데이트 프레임워크를 새롭게 제안한다. 해당 프레임워크는 Interplanetary Overlay Network(ION) 소프트웨어를 사용하여 프로토타입을 구현하였으며, 실제 업데이트 케이스를 적용하여 기능 및 실사용성을 검증하였다.

고성능 네트워크를 기반으로 하는 과학응용 협업연구 환경에서 대용량 데이터의 고속 전송을 위해 활용되고 있는 전용의 데이터 전송 노드는 이용률을 감안하여 연산을 위한 부수적인 목적을 위해 활용이 가능하다 본. 논문에서는 이러한 분산된 데이터 전송 노드들을 활용한 컨테이너 기반 협업연구 플랫폼의 구성 사례를 소개하고 해당 플랫폼 상에서 분산 학습을 실험하고 소요시간 측면에서 성능을 측정하여 제시한다.

통신은 주로 통신의 시작, 데이터 전송, 오류 검사, 통신의 종료 4 가지 과정을 거쳐 이루어진다. 위 4 가지 과정에 따라 통신 모듈의 상태(state)를 분류하고 상태도(state diagram)를 그릴 수 있다. HDL 언어를 사용하여 상태도를 유한 상태 기계(finite-state machine)로 구현함으로써 통신 모듈을 쉽게 구현할 수 있다. 본 논문은 이러한 방법으로 FPGA 에 통신 모듈을 구현하는 방법을 다루고 있다. 나아가, 이 방법을 이용하여 UART 와 SPI 통신 모듈을 구현하는 실험을 소개한다.

최근 실시간 응답 및 처리에 민감한 서비스들이 급증하면서 멀티액세스 엣지 컴퓨팅(MEC)이 차세대 기술로 주목받고 있다. 사용자들의 잦은 이동성 때문에 MEC 서버들 사이에서의 마이그레이션은 중요한 문제로 다뤄진다. 본 논문에서는 이동성이 많은 차량 엣지 컴퓨팅 환경을 고려하였으며, 강화학습 기법인 Q-learning 을 사용하여 마이그레이션 여부 및 대상을 결정하는 기법을 제안하였다. 제안 기법의 목적은 지연 제약조건을 만족시키면서 차량 엣지 컴퓨팅 서버(VECS) 사이의 로드 밸런싱을 최적화하는 것이다. 제안 기법의 성능 비교를 통하여 다른 기법들보다 로드 밸런싱 측면에서 약 22-30%, 지연 제약조건 만족도 측면에서 약 20-31%로 더 좋은 성능을 보임을 확인하였다.

Mobile Edge Computing(MEC)는 사용자 근처에서 서비스를 제공하기 때문에 사물인터넷에서 주목받고 있는 기술이다. 오프로딩을 통한 MEC 서버의 활용은 제한된 배터리 수명이나 계산 능력을 갖는 디바이스들에게 매우 유용하다. 본 논문은 강한 신뢰도가 요구되는 산업 사물인터넷(Industrial IoT, IIoT) 시나리오를 가정하여, 태스크를 실행할 때 발생하는 에너지 소모량과 지연시간을 최적화하며 신뢰도를 보장하는 오프로딩 기법을 제시한다. 본 연구는 실험을 통해 에너지 소모량과 신뢰성 측면에서 제안 기법의 성능을 분석하였다.

최근 정보통신기술의 발달과 개인 스마트기기 성능의 상향평준화로 멀티미디어 콘텐츠의 사용량이 증가하고 있다. 멀티미디어 서비스를 제공하는 기업들은 사용자 경험을 개선하기 위해 조회 수를 기준으로 우선순위를 부여하는 콘텐츠 배치 전략에 따라 엣지에 우선순위가 높은 콘텐츠를 배치한다. 이러한 방식은 우선순위가 아닌 콘텐츠들을 사용자에게 서비스할 때 콘텐츠 전달 속도가 증가한다. 본 논문에서는 이러한 차순위 콘텐츠들의 전달 속도를 개선하기 위하여 CDN 기반의 콘텐츠 선호도에 따른 Edge-Fog 연계 Caching 기법을 제안한다.

스마트 더스트 IoT 환경은 먼지처럼 작은 크기, 대량 살포, 낮은 연산 능력을 특징으로 가지는 기기들이 서로 통신하는 IoT 시스템 중 하나이다. 이러한 스마트 더스트 IoT 환경은 상기의 특성으로 인해 데이터 위·변조와 같은 데이터 신뢰성을 위해 일반적인(순수한) 블록체인을 사용하기 어렵다. 따라서 본 연구팀은 이전 연구를 통해 스마트 더스트 IoT 환경에 적합한 경량화된 블록체인을 연구·개발했다. 하지만 이전 연구는 스마트 더스트 IoT 환경의 동적인 물리적 연결을 배제한 체 스마트 더스트 IoT 의 기기적 특성만이 고려되었다. 본 논문에서는 스마트 더스트 IoT 환경의 동적인 물리적 연결을 고려하여 스마트 더스트 IoT 환경에의 물리적 네트워크와 논리적 네트워크를 통합하는 설계를 제안한다.

최근 초연결화를 근간으로 한 스마트 홈 구성을 위해 스마트 홈 내부에 센서를 탑재한 디바이스가 증가하고 있으며, 이를 효과적으로 사용하기 위해 빅데이터 처리 시스템이 활발하게 도입되고 있다. 그러나 기존 빅데이터 처리 시스템은 분산노드에 할당되기 전 모든 요청이 클러스터 드라이버로 향하기 때문에 동시에 많은 요청이 발생하는 경우 분할 작업을 관리하는 클러스터 드라이버에 병목현상이 발생함에 따라 네트워크를 공유하는 클러스터 전체의 성능감소로 이어진다. 특히 작은 데이터 처리를 지속적으로 요청하는 스마트 홈 디바이스에서 지연율이 더 크게 나타난다. 이에 본 논문에서는 동시간에 빈번한 요청이 발생하는 스마트 홈 환경에서 효과적인 데이터 처리를 위한 기계학습 기반 캐싱 시스템을 설계하였다.

최근 에너지 하베스팅 기술이 발전하여 배터리 교체가 어려운 환경에서 동작하는 엣지 장치들에 많이 적용되고 있다. 하지만 해당 기술이 적용된 에너지 하베스팅 장치는 간헐적으로 동작하는 문제를 가진다. 이를 해결하기 위해 에너지 체커로 실시간 에너지 상태를 파악하고 에너지 상태에 따라 프로그램을 제어하는 JIT (Just-In-Time) 기반 모델이 많이 연구되고 있다. JIT 기반 모델에서 에너지 체커는 필수적이지만 상당한 에너지 오버헤드를 가지고 있다. 그렇기 때문에 본 논문에서는 에너지 체커의 에너지 오버헤드를 최소화하기 위해 저전력 에너지 체커 구현에 대한 실험을 진행했다. 내부 ADC (Analog-to-Digital Converter) 기반 에너지 체커, 내부 비교기 기반 에너지 체커, 그리고 외부 비교기 기반 에너지 체커 등 다양한 에너지 체커를 구현했고 각 에너지 체커에 대한 에너지 오버헤드를 측정 및 비교했다. 그 결과, 저전력 외부 비교기를 사용한 외부 비교기 기반 에너지 체커가 가장 작은 에너지 오버헤드를 가지는 것을 확인했다. 또한, ADC 의 측정 주기를 최적화하여 ADC 기반 에너지 체커의 에너지 오버헤드를 더욱 줄일 수 있는 가능성도 확인했다.

본 연구에서는 아마추어 또는 운동선수의 아이스하키 슈팅 훈련을 지원하는 IoT 시스템을 제안한다. 고성능 레이더 센서를 이용하여 퍽의 최대속도를 정밀하게 측정하고, 블루투스로 스마트폰에 전송된 퍽 속도 정보를 안드로이드 앱에서 간편하게 확인할 수 있으며, 측정 기록이 데이터베이스에 저장된다. 본 논문은 아이스하키 훈련을 보조하는 지능적인 코칭 시스템 개발을 위한 예비 연구로서, 실험결과는 레이더 센서 기술과 모바일 앱 기술을 통해 스포츠 훈련 보조 시스템 구현의 가능성을 보여준다.

최근, 다양한 정보의 수집 및 처리가 필요한 스마트 홈, 의료, 교통, 제조 등 여러 산업 분야에서 IoT(Internet of Things)가 많이 활용되고 있다. 특히 스마트 홈 환경에서 IoT 장치로 수집되는 정보는 민감한 개인 정보를 포함할 수 있기 때문에 특정 그룹이나 개인만이 해당 정보에 접근할 수 있도록 관리할 필요가 있다. 또한, IoT 환경에서 Blockchain 기반으로 데이터의 신뢰성을 확보하는 분산 저장소의 경우, 지연 시간의 증가 문제가 발생될 수 있기 때문에 실시간 데이터 수집에 대한 처리 속도를 향상할 방안이 필요하다. 본 논문에서는 사용자와 IoT 장치 간 생성한 그룹 ID 로 해당 그룹에 대한 접근 권한을 관리하고, Hyperledger Fabric 과 별도의 데이터베이스 운용으로 실시간성, 신뢰성을 향상할 수 있는 Hyperledger Fabric 기반 스마트 홈 Architecture 를 제안한다. 이 Architecture는 IoT 장치가 사용되는 다양한 환경에서 보안성, 실시간성, 신뢰성을 향상할 수 있을 것이다.

NVRAM(Non-volatile RAM)이란 전원을 공급하지 않아도 데이터를 유지할 수 있는 RAM 이다. 비휘발성 메모리이기 때문에 Flash 와 동일한 기능을 제공할 수 있다. 또한 Flash 에 비해 저전력으로 동작하고, 읽고 쓰는 동작도 더 빠르며 내구성까지 뛰어나다. 즉, NVRAM 은 리소스가 제한적인 사물인터넷(IoT) 장치에서 Flash 를 대신하여 전력소모 및 지연시간 측면에서 효과적으로 사용될 수 있는 메모리이다. IoT 장치는 일반적으로 배터리와 같은 독립전원 장치로 작동하거나, 최근에는 에너지 하베스터를 활용한 간헐적 컴퓨팅 방식도 활용되고 있다. 간헐적 컴퓨팅 방식에서는 전원이 꺼졌을 때도 프로그램의 상태를 유지하기 위해 비휘발성 메모리에 백업동작이 필수적이다. 그러므로 백업을 위한 메모리를 Flash 가 아닌 NVRAM 으로 대체하게 되면 효율적이고, 상대적으로 백업 및 복구에 의한 비휘발성 메모리에 접근이 많은 간헐적 컴퓨팅에서는 더 큰 효율을 볼 수 있다. 하지만 현재 NVRAM 이 내장된 개발보드가 제한적이고, NVRAM 을 외부 모듈로서 사용하기 위해 SPI 또는 I2C 통신을 사용해야 한다. 그 외에도 동시에 공유 메모리에 접근하는 등의 문제를 막아야 한다. 이러한 문제를 막고, NVRAM 을 편리하게 사용할 수 있도록 추상화 계층을 만들어 NVRAM 테스팅 환경을 제공하여 해당 분야의 연구개발을 가속화할 수 있을 것으로 기대된다. 본 논문에서는 NVRAM 의 한 종류인 FRAM 을 사용하여 추상화 계층을 구현하였다.

IoT 와 인공지능을 접하려는 시도는 최근 들어서 많은 발전을 보이고 있다. 본 논문은 컴퓨팅 파워가 제한되는 작은 디바이스 IoT 의 한계를 극복하기 위하여 ROS 를 이용하여 복잡한 연산을 무선 통신으로 오프로딩하는 기법을 제안한다. 제안된 자율주행카드 시스템은 카트 이용 고객 개개인을 검출하고 추적하되 컴퓨터 비전 알고리즘과 LiDAR 센서를 이용하며, 음성인식 알고리즘을 적용하여 기계와 인간의 감성공학적 소통이 가능한 융합형 자율주행카트를 구현한다.

전 세계적으로 건조한 지역이 늘어남에 따라 산불 발생 빈도가 증가하고 있다. 이에 대한 대안으로 센서를 이용한 산불 감지 시스템의 연구가 이루어지고 있다. 기존의 서버가 센서의 작동시간 설정값을 보내는 방식은 산불 발생 빈도가 높은 환경에서는 산불 감지가 늦어지고 산불 발생 빈도가 낮은 환경에서는 불필요한 산불 감지로 센서의 생명주기 낮아지는 비효율적인 면이 있다. 이에 본 논문에서는 센서 기반 산불 감지 시스템을 위한 향상된 센싱 주기 기법을 제안한다. 제안하는 센싱 주기 기법은 환경 요인, 센서의 작동시간 알고리즘을 이용하여 환경에 맞는 센서의 작동시간 설정값을 결정한다. 그 후 센서의 화재 감지 알고리즘을 통해 센서는 서버로부터 설정값을 받아 운용모드로 전환하여 화재상황이 났을 시에 서버로 메세지를 보낸 후 생명주기를 위해 저전력모드로 전환한다. 성능평가를 통해 기존의 방식보다 평균 18.1분 빠르게 화재상황을 감지할 수 있고 소모전력도 2.2mA만큼 낮았다. 향우 실제 화재환경에서의 성능평가가 필요하다.

매년 슈퍼컴퓨터를 표적으로 공격이 증가하고 있고, 공격의 방식은 날로 진화하고 있다. 슈퍼컴퓨터를 대상으로 하는 공격에 대응하기 위해 기존의 연구는 공격 특성을 분석하여 맞춤형 대책을 제시하거나 분석을 통해 보안 요구사항을 도출하였다. 하지만 연구과정에서 APT life cycle 관점이 반영되지 않으면, 지능형 지속 위협인 APT를 인지 및 대응하기 어려운 문제점이 있다. 이러한 문제점을 해결하기 위해, 본 논문은 APT 시나리오 기반의 위협 모델링 분석을 통해 슈퍼컴퓨터 보안 요구사항을 도출 한다.

동형암호를 활용한 딥러닝 시도가 꾸준히 이루어지고 있다. 딥러닝 모델에는 비선형함수가 활용되고 연산량이 점점 많아지는 추세지만, 이러한 점들은 동형암호 연산의 대표적인 제한사항들이다. 이러한 제한점들을 극복할 수 있는 방안들을 소개하며 그 근거를 간단한 실험들을 통해 증명하여 동형암호 딥러닝 모델 설계를 위한 가이드라인을 제공한다.

지능형 교통 시스템의 주요 인프라 중 하나인 VANET 은 차량과 인프라 간의 통신을 통해 교통을 예측함으로써 도로 상에서의 안전을 보장한다. VANET 은 모든 노드가 네트워크에 가입할 수 있는 개방형 네트워크이기 때문에 개인 정보 보호가 주된 관심사이다. 분산형 신뢰 관리 시스템은 차량 네트워크에서 수신된 메시지가 신뢰할 수 있는 지에 대한 여부를 결정함으로써, 악의적인 공격자로부터 차량을 지킬 수 있다. 분산형 k-익명성 체계와 블록체인을 결합한 신뢰 관리 시스템은 주변 차량들과 협력하여 익명의 은폐 영역을 구축한다. 본 논문에서는 블록체인을 적용한 분산형 신뢰 관리 시스템을 통해 차량의 위치 정보를 보호하는 최근 연구들을 살펴본 뒤에 향후 발전 방향에 대해 논하도록 하겠다.

사물 인터넷 기술의 발전에 따라 생활 곳곳에서 여러 가지 임베디드 기기들을 찾아볼 수 있게 되었다. 하지만 임베디드 기기의 보급이 늘어감에 따라 이러한 임베디드 기기를 노린 공격도 함께 늘어가고 있다. 이에 따라 임베디드 기기의 보안에 대한 다양한 연구들이 진행되고 있는데 본 연구에서는 대다수의 임베디드 기기에 적용된 RISC 아키텍처 기반 보안 기술에 대하여 살펴보고 향후 발전 방향에 대해 살펴보도록 하겠다.

심층 신경망 기술은 실시간 예측 서비스를 위한 다양한 응용 분야에 적용되고 있다. 그뿐만 아니라 최근에는 민감한 개인 정보나 중요 정보들도 이러한 심층 신경망 기술을 통해 처리되면서 보안에 관한 관심이 높아지고 있다. 본 논문에서는 이러한 심층 신경망의 보안을 위해 하드웨어 기반의 안전한 수행환경에서 심층 신경망을 수행함으로써 연산 과정을 보호하는 연구들과 안전한 수행환경 내에서도 효율적인 심층 신경망 처리 기술들을 살펴볼 것이다. 그리고 이러한 연구 동향을 토대로 앞으로의 심층 신경망 연산 보호 기술의 연구 방향에 대해 논하도록 하겠다.

본 논문에서는 특정 코드를 분석하여 해당 코드를 작성한 저자가 누구인지 식별할 수 있는 머신 러닝 기반 코드 저자 식별 기술에 대해 소개한다. 먼저 소스 코드를 분석하여 저자를 확인하는 기법들에 알아볼 것이다. 또한 저자를 식별할 수 있는 정보가 다소 소실된 바이너리 코드를 분석하여 저자를 확인하는 기법을 살펴본 다음, 저자 식별 기법의 향후 연구 방향에 대해 탐색하고자 한다.

최근 네트워크의 확장으로 인한 공격 벡터의 증가로 외부자뿐 아니라 내부자를 경계해야 할 필요성이 증가함에 따라, 이를 다룬 보안 모델인 제로트러스트 모델이 주목받고 있다. 이 논문에서는 reverse proxy 와 사용자 패턴 인식 AI 를 이용한 제로트러스트 아키텍처를 제시하며 제로트러스트의 구현 가능성을 보이고, 새롭고 효율적인 전처리 과정을 통해 효과적으로 사용자를 인증할 수 있음을 제시한다. 이를 위해 사용자별로 마우스 사용 패턴, 리소스 사용 패턴을 인식하는 딥러닝 모델을 설계하였다. 끝으로 제로트러스트 모델에서 사용자 패턴 인식의 활용 가능성과 확장성을 보인다.

사물인터넷 기기들의 빠른 발전과 보급으로 인해 다양한 센서들부터 센싱 데이터가 수집되고 있다. 이에 따라, 많은 센싱 데이터 중 헬스케어 데이터를 기반으로 맞춤형 건강 서비스를 제공하는 사물인터넷 기반 헬스케어 분야가 발전하고 있다. 하지만, 사물인터넷 기기를 통해 수집되는 헬스케어 데이터는 민감한 데이터를 포함하기 때문에 헬스케어 데이터의 공유가 이뤄질 경우, 적절한 사용자만이 헬스케어 데이터를 사용할 수 있도록 해야 한다. 따라서, 본 논문은 사물인터넷 환경에서 속성기반암호화를 통해 적절한 사용자만이 데이터를 사용할 수 있도록 하고, 블록체인의 분산원장을 통해 데이터의 무결성과 책임추적성을 보장하는 민감한 센싱 데이터 공유 시스템을 제안하고자 한다.

IoBT시장은 2023년까지 317억 달러로 성장할 것으로 예측되며, 센서 및 웨어러블 디바이스와 같은 IoBT 장비의 수가 급격히 늘어나고 있다. IoBT 장비들로부터 수집된 생체 정보와 같은 민감한 데이터를 효율적이고 안전하게 처리하기 위해 많은 노력이 필요하다. 하지만 초경량화, 저전력화된 IoBT 장비들은 보안적인 측면에서 취약한 상황이다. 본 논문은 Fog computing을 적용하여 전장과 지휘관 사이에서 결심 및 통제에 필요한 시각화 자료를 신속하게 제공하고 IoBT 장비의 보안 사항과 공격에 따른 완화 기법을 수행할 수 있는 새로운 네트워크 아키텍처를 제공하고자 한다.

헬스케어 분야에서 제공되는 서비스는 의료 및 건강과 같은 의료정보를 다루기 때문에 개인의 생명과 밀접한 관계를 가지고 있다. 개인 의료 정보는 매우 민감하고 개인적인 정보이기 때문에 만약 이 정보가 불법적으로 유출되거나 악용된다면 개인의 프라이버시 침해뿐만 아니라 생명까지도 위협받을 것이다. 그렇기 때문에 개인의 건강 및 의료 정보가 체계적으로 관리되고 의료 서비스 기관에 의한 개인 의료 정보 유출 및 남용을 방지하기 위해 정보 보안 시스템이 강화되어야 한다. 따라서 본 논문에서는 헬스 케어 분야에서 발생할 수 있는 정보 보안 취약점에 대한 이슈를 분석하고 블록체인 기술을 바탕으로 보안 취약점에 대한 해결책을 제시하고자 한다.

저작권 콘텐츠의 해외 진출과 함께, 국내·외 저작권 시장 규모가 증가하고 있다. 이와 동시에 등장한 저작권 침해사이트는 메인 페이지에 저작권 침해사이트를 대표하는 이미지를 게시하는 특징이 있다. 이러한 저작권 침해사이트는 음악, 영화, 드라마 등의 저작권 콘텐츠를 불법 유통시키며 저작권 시장에 피해를 입히고 있다. 공공기관에서는 저작권 침해를 방지하기 위해 저작권 침해사이트를 차단하는 등의 대응을 하고 있지만, 저작권 침해사이트의 생성 속도에 비해 침해 여부 판단 속도가 상대적으로 느려서 차단에 어려움이 존재한다. 따라서, 본 논문에서는 저작권 침해사이트의 대표 이미지를 활용한 이미지 블랙리스트에 기반하여 저작권 침해 의심 사이트 탐지 기법을 제안하고자 한다.

Rust is a promising system programming language that made its debut in 2010. It was developed to address the security problems in C/C++. It features a property called ownership, on which it relies to mitigate memory attacks. For this and its many other features, the language has consistently gained popularity and many companies have begun to seriously consider it for production uses. However, Rust also supports safe and unsafe regions under which the foreign function interface (FFI), used to port to other languages, falls. In the unsafety region, Rust surrenders most of its safety features, allowing programmers to perform operations without check. In this study, we analyze the security issues that arise due to Rust's safety/unsafety property, especially those introduced by Rust FFI.

기존 채팅 어플리케이션에 대한 감청 논란으로 인해 소비자들은 채팅 어플리케이션에 대한 불신이 커졌다. 따라서 소비자들은 보안 채팅 어플리케이션을 선호하게 되었다. 이에 본 논문에서는 현재 사용하는 보안 채팅 어플리케이션의 기능과 서비스를 비교하여 향후 바람직한 보안 채팅 어플리케이션이 갖추어야 할 기능들을 도출하고 이의 일부 기능을 구현한 결과를 소개한다.

최근 클라우드 컴퓨팅이 발전함에 따라 데이터베이스 아웃소싱에 대한 관심이 증가하였다. 그러나 데이터베이스를 아웃소싱하는 경우, 데이터 소유자의 정보가 내외부 공격자에게 노출되는 문제점을 지닌다. 따라서 본 논문에서는 정보 보호를 지원하는 병렬 영역 질의처리 알고리즘을 제안한다. 제안하는 알고리즘은 garbled circuit 및 thread pool을 통해 암호화 연산 프로토콜의 효율성을 향상시키고, 알고리즘의 처리과정을 병렬화함으로써 높은 질의 처리 성능을 제공한다. 성능평가를 통해, 제안하는 알고리즘이 고수준의 정보 보호를 지원하는 동시에 기존 알고리즘에 비해 약 20배의 우수한 질의 처리 성능을 보인다.

ICISC'20에서 발표된 경량 블록암호 PIPO는 비트 슬라이스 기법 적용으로 효율적인 구현이 되었으며, 부채널 내성을 지니기에 안전하지 않은 환경에서도 안정적으로 사용 가능한 경량 블록암호이다. 본 논문에서는 ARM 프로세서를 대상으로 PIPO의 병렬 최적 구현을 제안한다. 제안하는 구현물은 8평문, 16평문의 병렬 암호화가 가능하다. 구현에는 최적의 명령어 활용, 레지스터 내부 정렬, 로테이션 연산 최적화 기법을 사용하였다. 구현은 A10x fusion 프로세서를 대상으로 한다. 대상 프로세서상에서, 기존 레퍼런스 PIPO 코드는 64/128, 64/256 규격에서 각각 34.6 cpb, 44.7 cpb의 성능을 가지나, 제안하는 기법은 8평문 64/128, 64/256 규격에서 각각 12.0 cpb, 15.6 cpb, 16평문 64/128, 64/256 규격에서 각각 6.3 cpb, 8.1 cpb의 성능을 보여준다. 이는 기존 대비 각 규격별로 8평문 병렬 구현물은 약 65.3%, 66.4%, 16평문 병렬 구현물은 약 81.8%, 82.1% 더 좋은 성능을 보인다.

현재, 주요 선진국들을 포함하여 Google과 IBM과 같은 국제 대기업들을 필두로 양자 컴퓨터 개발에 전폭적인 투자들을 하고 있다. 양자 컴퓨터는 특정 분야에 있어 월등한 계산 능력을 보여주며, 기존 컴퓨터에서는 해결할 수 없던 몇몇 문제들을 빠른 시간 내에 해결한다. 이러한 양자 컴퓨터의 등장은 기존 컴퓨터에서는 사실상 풀 수 없는 암호 알고리즘들을 빠른 시간 내에 해결하여 암호학계에 큰 위협이 되고 있다. 현재 사용하고 있는 대부분의 공개키 암호 알고리즘인 RSA와 ECC(Elliptic Curve Cryptography) 또한 공격 대상이다. NIST에서는 다가오는 양자 컴퓨터 시대에 대비하여 양자내성암호 공모전을 주최하였으며 현재 라운드 3에 도입하였다. 본 논문에서는 라운드 3의 후보 알고리즘인 코드기반암호를 공격하는 ISD(Information Set Decoding) 알고리즘에 관한 동향을 조사하였다.

최근 사물인터넷(IoT) 환경에서 다양한 장비의 인터넷 통신이 가능하여 이에 적절한 경량 블록 암호 알고리즘에 대한 연구가 활발히 진행되고 있다. ICISC 2020에서 새로 발표된 국산 경량 블록 암호 알고리즘인 PIPO는 새로운 경량 S-Box를 조합한 unbalanced-Bridge 구조로 효율적인 비트슬라이싱 구현을 제공한다. IoT 환경에 PIPO가 적용되기 위해서는 부채널 분석에 대한 안전성이 보장되어야 한다. 따라서 본 논문에서는 PIPO가 1차 CPA 공격에 취약함을 확인한다. 그리고 부채널 공격에 대응하기 위해 1차 마스킹 기법을 제안한다. 제안한 마스킹 기법은 1차 CPA 공격에 안전하였으며, 마스킹 적용 전보다 -375%의 성능을 보였다. 그리고 기존 기법보다 1287% 속도가 빨라진 것을 확인하였다.

예로부터 보험은 보험사가 전담하여 판매하였었다. 보험사에 설계된 보험사가 오직 그 보험사만의 보험 상품을 판매하는 형태로 판매가 진행되었었다. 하지만 현재는 2005 년 보험대리점이 생겨나고서 보험대리점에서 다양한 보험사들의 보험 상품들을 판매하면서 보험사로부터 수수료를 받는 새로운 형태의 판매가 진행되고 있다. 그런데 이 수수료를 지급하는 방식에 대해, 지급 내역을 보험사에서 보험대리점으로 메일로 전송하는 식으로 보안성이 떨어지는 방식을 취하고 있으며 데이터의 형식도 모두 달라 보험대리점에서 따로 취합을 해줘야 하는 일이 발생한다. 본 논문에서는 이것을 블록체인을 통해 신뢰성 높은 방식의 데이터 전송을 지원하며 전송 형식 또한 규격화 하면서 보험대리점에서의 부담 또한 덜어주는 시스템을 구현하였다. 이 시스템을 통해 보안 및 업무의 낭비가 줄어드는 것을 기대한다.

대부분의 컴퓨터 사용자는 키보드를 사용하여 정보를 입력한다. 이때 키보드와 같은 입력장치에 관련된 트리거가 발생할 수 있는데, 키보드 보안과 관련해 키보드 트리거에 대해 정의하고 머신러닝의 분류 모델을 통해 이를 감지해봄으로써 사용된 두 모델 간의 성능을 비교해 보고자 한다.

악성코드 분석방법의 발전에 따라 악성코드의 분석우회기법도 나날이 발전하여 대량의 악성코드분석이 다양한 이유로 수행되지 않고 있다. 대부분의 악성코드는 소스코드가 없는 바이너리로 동적 분석이 동작하지 않는 원인을 파악하기 어렵다. 동적 분석이 실행되지 않는 악성코드들은 입력 값에 따라 악성코드가 동작하거나, 특정 시간대를 일치하는 등 다양한 트리거가 존재한다. 본 논문에서는 트리거가 필요한 악성코드에 대해 바이너리 리프팅(lifting) 기술을 활용한 새로운 동적 분석방법을 제안한다. 바이너리 리프팅 기술은 소스코드가 없는 바이너리를 LLVM IR 로 변환시키는 기술로서 이를 활용해 입력 값 유무에 따른 악성코드를 판별하고자 한다. 전달인자를 사용하는 코드와 사용하지 않는 코드간 LLVM IR 을 비교분석하여 전달인자에 따른 악성코드 동작 여부를 판별해 대량의 악성코드 동적 분석시스템의 분석률을 높이는 방안을 제안하고자 한다.

블록체인 기반 온라인 거래 플랫폼은 중개자에 의존적인 기존의 거래 방식을 탈피하여 비용 및 시간의 낭비를 줄이고 참여자들 간의 신뢰성 있는 직접적인 거래를 실현시켰다. 하지만 비허가형 블록체인은 참여자들의 프라이버시를 제공하지 못하는 문제가 있다. 본 논문에서는 허가형 블록체인인 하이퍼레저 패브릭을 사용하여 프라이버시를 강화한 디지털 콘텐츠 저작권 보호 및 거래를 위한 블록 체인 플랫폼을 제안한다.

ZeroTrace는 클라우드 서버의 메모리 접근을 모호하게 하기 위해 개발되었으나, 실제 클라우드 서비스에 적용되기 위해서 해결되어야 할 두 가지 문제점이 발견되었다. 이번 연구에서는 이를 해결한 CloudZeroTrace를 제시한다. ZeroTrace 인터페이스를 호출하는 부분에 뮤텍스 락 매커니즘이 적용되었으며, IDmap이라는 새로운 자료구조를 통해 다양한 자료형을 통한 데이터의 인덱싱 기능이 추가되었다.

최근 IBM, Intel 과 같은 글로벌 ICT 기업들과 여러 스타트업들이 양자 컴퓨터 개발에 성공하였으며 그에 따라 양자 시뮬레이터와 컴파일러에 대한 관심이 높아졌다. 여러 개의 시뮬레이터가 존재하는 만큼 시뮬레이터마다 제공하는 기능과 성능 역시 제각각 다르다. 본 논문에서는 비교적 접근이 쉬운 파이썬과 Q# 기반의 대표적인 양자 시뮬레이터 3 가지(Qiskit, Project Q, Quantum Development Kit)에서 제공하는 기능들을 소개하고 시뮬레이션 실행시간을 비교한다. 10 뎁스의 20 큐비트 회로에서는 QDK 시뮬레이터가 0.227 초로 실행 시간이 가장 짧았고, 10 큐비트의 10 뎁스 회로의 경우 Project Q 가, 1000 뎁스의 경우 Qiskit 이 가장 짧은 실행시간으로 측정됐다.

AI 모델 서비스 제공에 강제되는 높은 메모리 사용량을 해결하기 위해 일반적으로 클라우드 컴퓨팅 기술을 이용한다. 클라우드 기반 서비스는 개발자로 하여금 메모리 사용량에 대한 걱정을 덜어주고 서비스 이용자에게는 편리하게 양질의 서비스를 제공받을 수 있게 한다. 하지만 보안 대책이 미흡한 클라우드 서비스는 서비스를 제공받아 얻는 이익만을 생각하기에는 보안사고로 인한 피해가 막대할 수 있다. AI 기술이 인간의 삶에 깊이 파고든 현 상황에서 우리가 대부분 이용하는 클라우드에 기반 서비스의 보안 문제는 그 중요도가 굉장히 높다고 할 수 있다. 이를 위해 본 논문에서는 클라우드 기반 머신러닝 서비스를 분석하여 어떤 공격이 이루어질 수 있는지 분석하고 그에 대한 연구된 방어법들의 효과를 확인하여 효과적인 것들을 선별하고 접목시키는 시도를 한다.

본 논문에서는 오픈마켓 개인 판매자의 개인정보 취급에 있어 개인정보 보호 강화를 위해 판매자 싸이트 로그인 시 2 차 인증 필요성에 대한 법적 준거성을 분석하고 이에 대한 기술적 방안을 제시한다.

무인 항공기(UAV, Unmanned Aerial Vehicles)는 높은 기동성을 가지며 설치 비용이 저렴하다는 이점이 있어 홍수, 지진 등의 재난 재해 감시 시스템에 이용되고 있다. 재난 재해 감시 시스템에서 UAV는 지상에 위치한 사물인터넷(IoT, Internet of Things) 기기로부터 데이터를 수집하는 임무를 수행하기 위해 계획된 항로를 따라 비행한다. 이때 UAV가 정상 경로로 비행하기 위해서는 실시간으로 GPS 위치 확인이 가능해야 한다. 만일 UAV가 계산한 현재 위치의 GPS 정보가 잘못될 경우 비행경로에 대한 통제권을 상실하여 임무 수행을 완료하지 못하는 결과가 초래될 수 있다는 취약점이 존재한다. 이러한 취약점으로 인해 UAV는 공격자가 악의적으로 거짓 GPS 위치 신호를 전송하는GPS 스푸핑(Spoofing) 공격에 쉽게 노출된다. 본 논문에서는 신뢰할 수 있는 시스템을 구축하기 위해 지상에 위치한 기기가 송신하는 신호의 세기와 GPS 정보를 이용하여 UAV에 GPS 스푸핑 공격 여부를 탐지하고 공격당한 UAV가 경로를 이탈하지 않도록 대응하기 위해 연합학습(Federated Learning)을 이용하는 방안을 제안한다.

다양한 IoT 기기로 구성된 모바일 IoT 환경에서는 IoT에서 수집된 데이터가 다른 IoT의 학습 데이터로 사용되는 순환 구조로 이루어져 있다. 따라서 해당 환경에서 데이터는 공유되는 자원이며 매우 중요한 요소이다. 특히 IoT 기기가 밀집된 지역에서는 많은 트래픽이 발생하기 때문에 전송지연 및 데이터 손실로 인한 시스템 성능이 저하되는 문제가 발생한다. 따라서 본 논문에서는 안전한 데이터 통신을 위한 블록체인 기반의 시스템 구조를 제안한다. 해당 시스템은 블록체인을 사용하여 IoT 기기의 이동성과 밀집도를 판별하고, 트래픽 밀집 구역이 발생하였을 경우 UAV를 활용하여 통신이 원활하게 이루어질 수 있도록 한다.

4차 산업혁명 시대에는 사이버 시스템과 물리 시스템이 연결된다. ICS(산업제어시스템)에서는 기존의 위협 외에 IT 환경에서 발생할 수 있는 보안 위협에 직면하게 된다. 따라서 OT와 IT가 결합되는 환경에서의 위협에 대한 대응 기술이 필요하다. 본 논문에서는 OT/IT 네트워크에서의 핑거프린팅을 추출하고 이를 기반으로 OT 위협을 탐지하는 구조를 설계한다. 이를 통하여 ICS에서의 보안 위협에 대응하고자 한다.

위치를 이용한 애플리케이션이 증가함에 따라 사용자의 위치를 보호하기 위한 다양한 연구들이 진행되고 있다. 특히, 애플리케이션을 이용하기 위해서는 사용자가 서비스 제공자(서버)에게 자신의 위치 정보를 제공해야 하는 상황이다. 이러한 문제를 개선하기 위하여 보호영역(cloaking;클로킹)을 생성하거나 자신의 주변에 가상의 사용자(dummy;더미)를 생성하는 연구 등이 존재한다. 기존 연구들은 사용자의 현재 위치를 보호하는 장점은 있지만 연속적인 질의를 요청할 경우 서버에게 사용자의 이동 경로가 예측될 수 있다. 따라서 본 논문에서는 사용자가 연속적인 질의를 요청하더라도 이동 경로를 보호할 수 있는 기법을 제안한다. 실험 결과를 통하여 제안 기법의 우수성을 증명했다.

본 논문에서는 딥러닝의 CNN(Convolution Neural Network) 학습을 통하여 악성코드를 실행시키지 않고서 악성코드 변종을 패밀리 그룹으로 분류하는 방법을 연구한다. 먼저 데이터 전처리를 통해 3가지의 서로 다른 방법으로 악성코드 이미지와 메타데이터를 생성하고 이를 CNN으로 학습시킨다. 첫째, 악성코드의 byte 파일을 8비트 gray-scale 이미지로 시각화하는 방법이다. 둘째, 악성코드 asm 파일의 opcode sequence 정보를 추출하고 이를 이미지로 변환하는 방법이다. 셋째, 악성코드 이미지와 메타데이터를 결합하여 분류에 적용하는 방법이다. 이미지 특징 추출을 위해서는 본고에서 제안한 CNN을 통한 학습 방식과 더불어 3개의 Pre-trained된 CNN 모델을 (InceptionV3, Densnet, Resnet-50) 사용하여 전이학습을 진행한다. 전이학습 시에는 마지막 분류 레이어층에서 본 논문에서 선택한 데이터셋에 대해서만 학습하도록 파인튜닝하였다. 결과적으로 가공된 악성코드 데이터를 적용하여 9개의 악성코드 패밀리로 분류하고 예측 정확도를 측정해 비교 분석한다.

최근 침입 탐지 시스템은 기존 시그니처 기반이 아닌 AI 기반 연구로 많이 진행되고 있다. 이는 시그니처 기반의 한계인 이전에 보지 못한 악성 행위의 탐지가 가능하기 때문이다. 또한 로그 정보는 시스템의 중요 이벤트를 기록하여 시스템의 상태를 반영하고 있기 때문에 로그 정보를 사용한 침입 탐지 시스템에 대한 연구가 활발히 이루어지고 있다. 하지만 로그 정보는 시스템 상태의 일부분만 반영하고 있기 때문에, 회피하기 쉬우며, 이를 보완하기 위해 system call 정보를 사용한 멀티 모달 기반 침입 시스템을 제안한다.

인공지능 기술은 모든 분야에서 혁신을 이뤄내고 있다. 이와 동시에 인공지능 모델에 대한 여러 보안적인 문제점이 야기되고 있다. 그 중 대표적인 문제는 많은 인적/물적 자원을 통해 개발한 모델을 악의적인 사용자가 탈취하는 것이다. 모델 탈취가 발생할 경우, 경제적인 문제뿐만 아니라 모델 자체의 취약성을 드러낼 수 있다. 현재 많은 연구가 쿼리를 통해 얻는 모델의 입력과 출력을 분석하여 모델의 의사경계면 또는 모델의 기능성을 탈취하고 있다. 하지만 쿼리 기반의 탈취 공격은 획득할 수 있는 정보가 제한적이기 때문에 완벽한 탈취가 어렵다. 이에 따라 딥러닝 모델 연산 과정에서 데이터 스니핑 또는 캐시 부채널 공격을 통해 추가적인 정보 또는 완전한 모델을 탈취하려는 연구가 진행되고 있다. 본 논문에서는 최근 연구 동향과 쿼리 기반 공격과의 차이점을 분석하고 연구한다.

최근 코로나바이러스감염증-19(COVID-19)가 확산됨에 따라 화상회의, 온라인 게임, 스트리밍 등과 같은 다양한 온라인 서비스들의 트래픽이 크게 증가하면서 원활한 서비스 제공을 위한 서버 자원 관리의 중요성이 강조되고 있다. 이에 따라 서버 자원을 전문적으로 관리해주는 클라우드 서비스의 수요도 증가하는 추세이다. 하지만 대다수의 국내 기업들은 성능의 불확실성, 보안, 정서적 이질감 등을 이유로 클라우드 서비스 도입에 어려움을 겪고 있다. 따라서 본 논문에서는 클라우드 서비스의 성능의 불확실성을 해소하기 위해 클라우드 시장 BIG3 기업(아마존, 마이크로소프트, 구글)의 클라우드 서비스의 성능을 비교하였다.

본 연구는 코로나19 바이러스로 인해 대학에서 비대면 온라인 학습 환경이 일반화된 상황에서 학습자 만족과 사용 의도 형성에 영향을 미치는 요인을 도출하고 이들 요인 간에 존재하는 구조적인 관계성을 실증적으로 검정해 보기 위한 것이다. 이를 통해 비대면 온라인 학습에 대한 학습자 만족과 사용 의도에 영향을 미치는 주요 변인들간의 관계를 종합적으로 규명함으로써 대학교육의 효과성을 높이는데 기여할 것으로 생각한다.

기존의 반려동물 정보를 등록하는 정부시스템은 반려동물 등록제를 통하여 등록된 정보들만으로는 반려동물의 전반적인 이력내용을 파악하기 어렵고 유기동물의 경우는 더욱 그렇다. 그로인해 재유기, 재파양, 중복치료 등의 문제가 발생할 수 있다. 본 논문에서는 이를 개선하기 위해 하이퍼레저 패브릭 블록체인을 활용하여 정보들을 얻기 위해 들어가는 비용, 시간을 줄이고 반려동물 이력 정보를 효율적으로 교류할 수 있는 시스템을 제시한다.

최근 인공지능에대한 관심과 COVID-19의 영향으로 인공지능을 적용하려는 연구가 계속되고 있다. 인공지능 학습 방식 중 딥러닝에서는 학습 결과에 따라 가중치를 두며 지속적인 학습을 수행한다. 이때 사용하는 가중치에 따라 학습 능력이 향상되게 되지만, 과다 학습으로 인한 퇴화 현상과 잘못된 결과 도출이 되는 경우가 발생한다. 이를 해결하기 위해 본 논문에서는 문제를 해결하기 위해 비연속적 PoW 합의방식을 사용한 블록체인에 가중치와 학습 결과를 지속적으로 보관하여 형상관리를 할 수 있는 시스템을 설계하였다.

가상현실은 시·공간을 초월하는 경험이 가능하며 아이들의 몰입감과 학습효과를 높일 수 있어 교육 도구로서의 가치를 인정받고 있다. 정부는 VR 기기를 전국의 초등학교에 보급하고 있지만, 양질의 교육용 실감형 콘텐츠는 부족한 상황이다. 따라서, 본 논문에서는 가상현실 기술을 활용한 국악기 연주 체험 프로그램을 제안하였다. Unity의 물리 엔진과 Oculus의 햅틱 기능을 이용하여 전통 국악기 중 편경을 실감 나게 연주할 수 있도록 가상환경을 구현하였다. 리듬 게임 형식을 적용하여 아이들의 흥미 또한 유발하였다. 이 프로그램을 통해 국악기를 직접 연주하며 해당 국악기에 대한 지식을 자연스럽게 습득할 수 있을 것이라 기대한다.

RPA는 단순 반복적 사무업무를 자동화하여 업무 효율화의 강력한 도구로 최근 각광받고 있다. RPA는 업무 자동화를 정의하기 위한 세부 요소로 구성되며, 최근 빅데이터 기술과 융합되어 빅데이터 시각화 도구로써 기업 내 경영의사결정시스템을 구축할 수 있었다. SW Bot기반의 RPA의 기본 구성요소로 UI Bot, Process Bot, Data Bot을 정의하고 해당 기능별 요소 정의와 도입 효과를 확인한다.

전통적인 신약개발은 평균 15년, 2~3조원의 비용이 소요되나 투자 대비 생산성이 지속적으로 감소하고 있어 패러다임 전환이 절실한 상황이다. 인공지능 기술을 활용하면 기간과 비용의 절감효과와 신약 후보물질 탐색의 성공확률이 높아질 것을 기대할 수 있다. 본 연구는 신약 연구 분야를 중심으로 인공지능 플랫폼 도입에 있어서 플랫폼의 가치에 영향을 미치는 요인들을 분석하여 수용 및 확산을 촉진하는데 필요한 시사점을 도출하고자 한다.

한국 농업·농촌의 고령화 현상과 농업인구의 감소가 점차 심화됨에 따라 귀농·귀촌을 통한 인구 유입이 절실한 상황이다. 이를 위해서 귀농·귀촌 희망자가 의사결정 시에 도움을 받을 수 있는 귀농·귀촌 통합플랫폼을 구축 예정이다. 따라서 본 연구를 통해 빅데이터기반 귀농·귀촌 통합플랫폼 사용의도에 영향을 미치는 요인들을 분석하여 실제 플랫폼 구축 시 필요한 시사점을 도출하고자 한다.

경찰청 자료에 따르면 한국에서 사망 교통 사고의 75.5%는 화물차 사고이다. 한국에서 화물차 사고로 숨지는 사람은 매년 약 1000명이며, 매일 2~3명이 화물차 사고로 사망한다. 한국의 화물노동자들은 화물차 사고가 끊이지 않는 이유로 열악한 노동조건을 응답하고 있다. COVID 19는 비대면 물류 수요를 증가시키고 있다. COVID 19로 인하여 급격하게 증가한 물류 수요는 기존의 낙후된 물류 기술과 낙후된 물류 시스템으로 인하여 운송 과정의 비효율성을 나타내고 있다. 이러한 한국 운송 시스템의 비효율성은 영세 물류 개인 사업자들에 대한 과도한 업무 부담으로 이어지고 있으며, 한국 운송 시스템의 비효율성은 2020년 이후 급격하게 증가한 물류 산업 재해 사망자 수로 나타나고 있다. CIPs에 입주한 한국 중소 기업들은 별도의 스마트 출입 인증 시스템을 갖추지 못하고 있는 경우가 많으며, 이로 인하여 최종 목적지인 출입 단계에서 많은 운송 시간들이 낭비되고 있다. 스마트 출입 인증 시스템 아키텍쳐를 통하여 영세 물류 개인 택배 사업자는 법적 안정성 개선 효과를 얻을 수 있으며, CIPs 중소 기업들은 물류 운송 시간을 단축하는 효과를 얻을 수 있다. CIPs스마트 출입 시스템은 현재 활성화되어 있는 Mobile OTP를 활용하므로, 시스템 설계 비용을 크게 절감할 수 있으며, 개별 휴대폰 단말기에 발생하는 Data용량 부담을 크게 줄이고, 개별 휴대폰 단말기의 응답 속도를 개선할 수 있다. 또한 기존에 다양하게 활용되던 OTP 체계와 호환성이 있으며, OTP 시스템의 오랜 사용 기간을 통한 시스템 신뢰성도 높다. 사용자 고객들의 OTP 시스템 이해도도 다른 스마트 출입 시스템에 비하여 높다.

최근 전세계 각 연구기관에서 CPS, 클라우드 컴퓨팅, 5G, 빅데이터, IIOT, Milk-run AI 알고리즘 등을 활용한 CIPs(Connected Industrial parks) 아키텍쳐가 다양하게 제안되고 있다. 평균적으로 한국의 중소기업은 기술력과 가격 경쟁력 문제로 많은 어려움을 겪고 있다. 미국, 일본, 유럽 등의 해외 선진국들에 비하여 기술력이 확실한 우위를 보이지 못하고 있으며, 중국, 베트남 등의 국가에 비하여는 제조 가격 경쟁력을 보이지 못하고 있다. 이러한 상황에서 한국의 중소 기업들은 지속 가능한 성장 방안을 찾기 위하여 많은 노력을 하고 있다. 재무적으로 한국의 중소기업들이 수익성을 향상시키기 위해서는 매출을 증대시키는 것 보다 비용을 절감하는 것이 효과적이다. 이러한 문제 의식 속에서 한국 CIPs에 위치한 중소 기업들의 비용 절감을 위한 방안으로서 VJP(Vehicle Junction Problem)를 주목하였다. 중소 기업의 최소 물류 비용 달성을 위한 방법으로 CIPs 결제 한국형 시스템을 연구하였다. 새로운 한국형 CIPs결제 시스템의 세부 항목을 크게 4가지 "데이터(Data)", "업무(Business)", "자금(Finance)", "기술(Technique)"로 구분하여 정리하였다.

데이터 경제 시대를 맞이하여 농업분야에서도 농업인의 편의를 제공하고 정책의 효율성을 높여야만 한다. 이에 농업 보조금 신청 등을 위해 본인의 자격증명을 대신해서 관계 기관들이 수집, 보유하고 있는 데이터를 통해 농업 마이데이터 서비스 구축을 모색하고자 한다. 따라서 본 연구는 농업 마이데이터 서비스 수용의도에 미치는 영향에 관한 연구를 통해, 농업 마이데이터 구축에 필요한 시사점을 도출하고자 한다.

근래의 드론 산업은 다양한 분야에서 사용이 확대되고 있으나 규제 등 여러 가지 사회적 진입장벽으로 시장 진입에 애로사항이 도출되고 있다. 본 논문에서는 드론 산업의 여러 제약 중 배터리의 제한적인 용량으로 장시간 비행이 어려운 문제를 개선하고자 승강식 드론스테이션을 개발하였다. 승강식 드론스테이션은 드론의 비행 중 배터리가 방전될 시 충전 및 정비를 할 수 있고, 드론 간의 통신 중계기 역할을 수행한다. 본 논문에서는 스테이션에 드론이 접근 시 슬라이딩 도어를 개폐하기 위하여 초광대역 통신을 이용한 거리 측정과 위치 인식 시스템에 대한 내용을 기술하였다.

본 논문에서는 공공사업 발주 시 기초금액 산정의 기준이 되는 표준품셈의 제·개정 사례를 검토하여 엔지니어링 분야에 적합하고 신뢰성 및 전문성을 확보할 수 있는 '엔지니어링 표준품셈 조사연구 절차'를 제안하였다.

본 논문에서는 변수간의 다양한 관계 분석 또는 예측 모델에 많이 적용되는 베이지안 네트워크 모델에 대한 양자 회로를 설계하고, 설계한 양자 회로를 '모여봐요! 동물의 숲' 게임에서 진행되는 무 거래에 대한 무값을 예측하는 시나리오에 적용했다. 제안한 양자 가격 예측 모델은 양자 회로로 표현했으며 IBM 의 Qiskit 을 이용해 구현하였다. 구현한 회로는 시뮬레이션 백엔드 뿐만아니라 IBM 에서 클라우드로 제공하는 실제 양자 컴퓨터 2 종의 백엔드에 실행하였고, 실행 결과와 설계한 회로를 바탕으로 제안한 모델의 성능을 분석하여 제안 모델의 효용성을 보였다.

최근의 기계 학습 (딥러닝)은 기존의 전통적인 통계 분석 방법들에 비해 효율성과 정확도가 높은 장점이 있지만, 처리과정이 블랙박스와 같아 결과 값의 중요한 원인 또는 근거 요인을 찾기 어렵다는 단점을 가지고 있다. 이를 해결하기 위한 최근의 XAI (eXplainable AI) 연구를 기반으로 하여, 본 논문에서는 의료기관에서 전정기관의 이상을 판별하기 위해 수작업으로 이루어지고 있는 HIT (head impulse test) 테스트 결과를 자동화하고, 설득력 있는 신뢰도 검정을 위해, XAI 기반 DoWhy 프레임 워크를 사용하였다. 전정기관 이상으로 의심되는 환자의 동공 움직임을 optical flow 로 추적하고, 정상인과의 Wasserstein metric 의 DoWhy 검증을 통해 전정기관 이상 여부의 신뢰도 구간을 검정한다.

For a long time, CAPTCHA Recognition has been a major challenge in the field of artificial intelligence. Although there are many related technologies that can solve this identification problem, further breakthroughs are still needed. Based on the existing SSD network, this paper adds a non-block module. Compared with the original SSD network, the recognition rate of SSD + Non-local is improved from 86.12% to 88.47%.In addition, it is worth noting that the recognized character verification code consists of Arabic numerals, uppercase and lowercase English letters.

최근 4차 산업혁명으로 의료빅데이터 기반으로 한 AI 기술이 급속도로 발전하고 있다. 특히, 의료영상을 기반으로 병변을 탐색, 분활 및 정량화 그리고 자동진단 및 예측 관련된 기술이 AI 제품으로 출시되고 있다. AI 기술개발은 많은 학습데이터가 요구되며, 임상검증에 단일기관에서 2개 이상 기관의 검증이 요구되고 있다. 그러나 아직까지도 단일기관에서 학습용 데이터와 테스트, 검증용 데이터를 달리하여 기술개발에 활용하고 있다. 본 논문은 AI 기술개발에 필요한 영상데이터에 대한 표준화된 데이터셋 변환 및 관리를 위한 시스템에 대해 기술한다. 다기관 데이터를 수집하기 위해서는 각 기관의 의료영상 데이터 수집 및 저장하는 기준이 명확하지 않아 표준화 작업이 필요하다. 제안한 시스템은 기관 또는 다기관 연구 그룹의 의료영상데이터를 표준화하여 저장할 수 있을 뿐만 아니라 의료영상 뷰어 및 의료영상 리스트를 통해 연구자가 원하는 의료영상 데이터 셋을 검색하여 다양한 데이터셋으로 제공할 수 있기 때문에 수집 및 변환 그리고 관리까지 지원할 수 있는 시스템으로 영상기반의 머신러닝 연구에 활력을 불어넣을 수 있을 것으로 기대하고 있다.

4차 산업혁명의 출현과 함께 스마트공장, 스마트시티, 스마트러닝 등이 등장하면서 스마트 물관리시스템과 그 평가지표의 연구개발이 주요 사회문제로 대두되고 있다. 따라서 본 논문에서는 스마트 물 관리시스템의 자동화 수준 평가지표를 제안하고자 한다. 그 세부 연구내용은 다음과 같다. 첫째, 기존의 CMM과 SPICE 소프트웨어 프로세스 평가모델과 스마트공장의 평가지표를 검토하고, 스마트 정수처리장의 개념을 살펴본다. 둘째, 제안하는 스마트 물관리시스템의 평가지표에는 정수장의 주요 공정에 따라 착수 공정, 약품투입 공정, 혼화·응집 공정, 침전 공정, 여과 공정, 소독 공정의 6개 평가영역으로 세분화 하였고, 각 평가영역별로 0에서 4까지의 5단계 평가수준으로 구분하여 제안하였다.

최근 인코더-디코더 구조의 자연어 처리모델이 활발하게 연구가 이루어지고 있다. 인코더-디코더기반의 언어모델은 특히 본문의 내용을 새로운 문장으로 요약하는 추상(Abstractive) 요약 분야에서 널리 사용된다. 그러나 기존의 언어모델은 단일 문서 및 문장을 전제로 설계되었기 때문에 기존의 언어모델에 다중 문장을 요약을 적용하기 어렵고 주제가 다양한 여러 문장을 요약하면 요약의 성능이 떨어지는 문제가 있다. 따라서 본 논문에서는 다중 문장으로 대표적이고 상품 리뷰를 워드 임베딩의 유사도를 기준으로 클러스터를 구성하여 관련성이 높은 문장 별로 인공 신경망 기반 언어모델을 통해 요약을 수행한다. 제안하는 모델의 성능을 평가하기 위해 전체 문장과 요약 문장의 유사도를 측정하여 요약문이 원문의 정보를 얼마나 포함하는지 실험한다. 실험 결과 기존의 RNN 기반의 요약 모델보다 뛰어난 성능의 요약을 수행했다.

K-water에서는 다목적댐의 관리를 위해 실시간으로 댐수위, 하천 수위 및 강우량 등을 계측하고 있으며, 계측된 값들은 댐을 효과적으로 운영하는데 필요한 데이터로 활용되고 있다. 특히 댐수위 이상 데이터를 탐지하지 못한 채 그대로 사용할 경우 댐의 방류 시기와 방류량 등을 결정하는 중요한 의사결정을 그르칠 수 있으므로 이를 신속히 탐지하는 것이 매우 중요하다. 현재의 자동화된 이상 데이터 탐지방법 중 하나는 현재 데이터가 최댓값과 최솟값을 초과할 때, 다른 하나는 현재 데이터와 일정 시간 동안의 평균값 간의 차이가 관리자가 정한 특정 값을 벗어났을 때를 기준으로 삼고 있다. 전자는 상한과 하한의 초과 여부만 판단하므로 탐지가 쉬우나 정상범위 내에서 발생한 이상 데이터는 탐지가 불가하다. 후자는 관리자의 경험을 통해 판단 조건을 정하기 때문에 객관성이 결여되는 문제가 있다. 특히 방류와 강우가 복합적으로 댐수위에 영향을 미치는 홍수기에 관리자의 경험에 기초한 이상 데이터 판별은 신뢰성의 문제가 있을 수 있다. 따라서 본 연구에서는 기계학습을 최초로 적용하여 이상 데이터를 탐지하고자 하였다. 댐수위, 누적강우량 및 누적방류량 데이터와 댐수위데이터를 가공하여 생성한 댐수위차, 댐수위차평균, 댐수위평균 등 자질들의 다양한 조합을 만든 후 이를 Random Forest, SVM, AdaptiveBoost 및 다층퍼셉트론(MLP) 등과 같은 여러 가지 기계학습모델 등을 통해 이상 데이터를 판별하는 실험(분류)을 하였다. 실험결과 댐수위, 댐수위차, 댐수위-댐수위평균, 누적강우량, 누적방류량 및 댐수위차평균을 사용하였을 때 MLP에서 가장 우수한 성능을 보였다. 이 연구를 통해서 댐수위 이상 데이터를 기계학습의 분류기능을 통해 효과적으로 탐지할 수 있다는 것과 모델의 성능은 실험에 사용한 자질의 수뿐 아니라 자질의 종류에도 큰 영향을 받는다는 것을 알 수 있었다.

대부분의 기업에서는 우수한 인적 자원의 유출을 방지하기 위해 직원들이 이직 및 퇴사하는 이유를 연구한다. 이에 기업은 직원이 퇴사하기 전에 면담을 하거나 설문조사를 통해서 연구에 필요한 데이터를 얻는다. 하지만 설문조사에서는 직원들이 직장 생활을 하는 데에 불리할 수도 있는 의견을 드러내려고 하지 않아 정확한 결과를 얻기 힘든 것이 현실이다. 한편, 한국노동연구원에서 발표한 자료에 따르면 기업이 요구하는 최소 학력 수준과 직원의 학력 수준 간의 차이가 클수록 이직 경향이 커진다. 따라서 본 연구에서는 한국노동연구원의 자료에 착안하여, 직원이 가지고 있는 객관적 데이터인 전공, 교육수준, 재직 중인 회사 유형 등의 데이터를 기반으로 직원의 퇴사 여부를 예측하고자 한다. 퇴사 예측 모델을 생성하기 위해 Decision Tree, XGBoost, kNN, SVM을 활용하였으며 각각의 성능을 비교했다. 이 결과, 지금까지 설문조사로 진행되었던 연구에서 파악하지 못한 다양한 요인을 알아낼 수 있었다. 이를 통해 기업이 퇴사 예측 모델을 이용하여 직원이 퇴사하기 전에 미리 이를 인지하고 방지하는 데에 도움을 줄 수 있을 것으로 예상된다.

COVID-19 가 장기간 지속됨에 따라 시민들의 생활패턴, 생계 등에 큰 영향을 미치고 있다. 본 논문에서는 서울시의 유동인구 및 카드 소비데이터를 이용하여 COVID-19 가 어떤 영향을 미쳤는지 알아보려 한다. 이를 분석하기 위하여 대용량 데이터인 2019 년 1 월 ~6 월 그리고 2020 년 1 월 ~ 6월 서울시 유동인구 및 카드 소비 데이터를 이용하였다. 서울시를 각 행정구로 나누어 이에 관련한 유동인구의 변화, 유동인구의 증감의 변화를 추정하고 마찬가지로 카드소비데이터의 증감의 변화를 추정하여 서울시 여러 행정구의 유동인구, 카드데이터 두 데이터 간의 연관 관계를 다방면으로 분석하여 엄밀한 인구 밀집도 분석으로 COVID-19 가 서울 지역경제에 미친 영향에 대하여 실증분석을 진행하였다.

군사 분야에서 사용하는 기존 영상융합체계는 영상에서 미확인 개체를 식별하는 Activity-Based Intelligence(ABI) 기술과 객체들에 대한 지식정보를 관리하는 Structured Observation Management(SOM) 기술을 연동하여 다양한 관점에서 분석하고 있다. 그러나 군사적인 목적을 달성하기 위해서는 미래 정보가 중요하기 때문에 주변 맥락 정보를 통합하여 분석해야 할 필요성이 있으며 이를 위해 주변맥락 정보를 분석하는 딥러닝 모델 적용이 필요하다. 본 논문에서는 딥러닝 모델 기반 영상 판독 시스템 구축을 하기 위한 전처리 과정을 설계하였다. pyhwp 라이브러리를 이용하여 영상 정보 판독 데이터를 파싱 및 전처리를 진행하여 데이터 구축을 진행하였다.

과거의 연구들은 교통 속도만을 활용하여 교통 속도 예측 문제에 접근했다. 그러나 교통 속도의 비선형성으로 인해 정확한 예측이 어려워, 최근에는 교통 속도에 영향을 미칠 수 있는 외부의 요인을 활용해 정확도를 높인 연구들이 이루어지는 추세이다. 그 중에서도 강수량은 직관적으로 교통 속도와 관련이 있을 것으로 생각되어 자주 사용된다. 다만, 실제로 교통 속도가 강수량에 얼마나 영향을 받는지는 확인되지 않고 대부분의 연구가 적은 양의 데이터로 이루어지기에 강수량이 딥 러닝모델의 정확도를 향상시킬 수 있다고 단언하기는 어렵다. 본 논문은 강수량 데이터가 교통 속도를 변화시키는 양을 정량적으로 측정하고, 딥 러닝 모델의 성능에 미치는 영향을 분석하였다. 그 결과, 강수량이 높을수록 속도가 크게 감소하고 딥 러닝 모델의 정확도 또한 향상되는 것을 확인하였다.

추천시스템은 사용자가 아이템들에 남긴 과거 피드백을 바탕으로 사용자가 선호할 법할 아이템을 추천한다. 추천시스템에서 사용자의 선호도는 단일클래스 세팅과 다중클래스 세팅 두 가지로 표현 할 수 있다. 우리는 추천시스템을 위해 제안된 지식증류기법인 Ranking Distillation 을 다중클래스 세팅에서 실험하여, 증류된 지식을 통한 작은 모델 학습이 효과적인지에 대해 알아보고자 한다.

가짜뉴스가 사회연결망 상에서 빠르게 전파되면서 사회적 혼란을 야기하고 있어 가짜뉴스를 탐지하는 것이 중요한 문제로 대두되고 있다. 최근 가짜뉴스 탐지 연구에서 사회연결망의 전파 정보를 활용한 방법이 기존 뉴스 컨텐츠 기반 가짜뉴스 탐지 방법보다 효과적임을 보였다. 따라서 본 논문에서는 기존 CoAID 데이터셋을 기반으로 사회연결망상의 전파 데이터를 포함하는 COVID-19 Cascade 데이터셋을 소개한다. COVID-19 Cascade 를 활용하면 전파 기반 가짜뉴스 탐지 방법에도 적용이 가능하다. 이후 간단한 분석을 통해 진짜뉴스와 가짜뉴스의 차이를 확인한다.

최근 딥러닝 분야에서 모델 학습을 가속화하기 위해, 실수 표현 시 사용하는 비트 수를 줄이는 양자화 연구가 활발히 진행되고 있다. 본 논문은 추천 시스템 모델 중 하나인 행렬 분해 모델(Matrix Factorization, MF)에 대한 양자화 수행 시, 발생할 수 있는 학습 정확도 손실을 방지하기 위한 정밀도 변환 방안을 제시한다. 우리는 실세계 데이터셋을 이용한 실험을 통해, 제안 방안이 적용된 MF 모델은 양자화 기법이 적용되지 않은 모델과 비슷한 추천 정확도를 보이며, 약 30% 개선된 속도로 학습됨을 확인할 수 있었다.

영화 수익에 있어 영화의 흥행 여부는 중요한 영향을 끼친다. 영화 흥행 요인은 영화 산업의 규모가 커지면서 많은 제작사들 및 투자자들이 고려해야 하는 사항이 되었다. 따라서 영화의 흥행을 예측하기 위한 많은 모델이 연구되었다. 본 연구의 목적은 선행연구에서 흥행에 유의미한 영향을 끼친다고 밝혀진 스크린 수, 감독명, 제작사명 등의 내재적인 속성과 더불어 온라인 구전 변수를 사용하여 영화 흥행 예측 모델을 만드는 것이다. 이때 기사 수, 블로그 수와 같이 온라인 구전의 크기를 나타내는 변수들을 사용하는 대신 개봉 후 첫 주간의 관람객 리뷰를 텍스트마이닝을 이용하여 전체 리뷰 중 긍정 리뷰의 비율에 따라 점수를 매긴 후 독립변수로 사용한다. 그 후, 데이터 마이닝 기법을 활용하여 만든 모델에 앞서 언급한 독립변수를 입력 값으로 사용하여 영화의 흥행을 예측한다. 최종적으로 의사결정트리와 로지스틱회귀를 수행한 결과 영화 흥행에 영향을 주는 독립변수를 찾고 모델의 성능을 평가하였다. 로지스틱회귀의 결과 관객 수, 평점이 영화의 흥행에 특히 유의한 영향을 끼치는 변수로 선정되었고 리뷰 역시 유의한 변수로 선정되었다. 이때 만들어진 모델은 약 90%의 높은 수준의 정확도를 보여주었다. 의사결정트리의 결과 관객 수가 가장 중요한 변수로 선정되었다.

4차 산업혁명 시대에는 빠른 무선 네트워크와 빅데이터를 기반으로 다양한 기술과 서비스들이 생겨나고 있다. 이런 환경 속에서 우리는 언제 어디서나 스마트폰을 통해 음악을 듣고, 게임을 하며, 웹서핑을 하는 등 PC에 버금가는 다양한 활동을 할 수 있다. 누구든 쉽게 전세계의 웹페이지에 접속하고 SNS를 통해 외국인 친구들과도 쉽게 연락을 할 수 있다. 기계 번역 기술 또한 이렇게 사용자가 늘어나는 만큼 빅데이터를 기반으로 그 정확도가 향상되고 있다. 그러나 일반 명사나 구문과는 다르게 은어, 외래어 등의 사용빈도가 상대적으로 낮은 단어들에 대한 기계 번역 정확도는 여전히 개선이 필요하다. 본 연구에서는 국내에서 가장 많이 사용되는 기계 번역기인 papago 번역기와 Google 번역기의 외래어 인식 정확도에 대한 비교 연구를 진행하였다. 추후, 본 연구 결과를 통해 앞으로의 새로운 연구 방향을 제시한다.

In this article, we have improved the prediction of hypertension detection using the feature selection method for the Korean national health data named by the KNHANES database. The study identified a variety of risk factors associated with chronic hypertension. The paper is divided into two modules. The first of these is a data pre-processing step that uses a factor analysis (FA) based feature selection method from the dataset. The next module applies a predictive analysis step to detect and predict hypertension risk prediction. In this study, we compare the mean standard error (MSE), F1-score, and area under the ROC curve (AUC) for each classification model. The test results show that the proposed FIFA-OE-NB algorithm has an MSE, F1-score, and AUC outcomes 0.259, 0.460, and 64.70%, respectively. These results demonstrate that the proposed FIFA-OE method outperforms other models for hypertension risk predictions.

데이터베이스에서의 빈발 패턴 탐색은 일정 횟수 이상 같이 등장하는 항목들의 집합을 찾는 문제이다. 본 논문은 다수의 2 차원 배열들이 주어졌을 때, 이들 내부에서 빈번히 같이 등장하는 부분 구역들을 찾는 문제를 다룬다. 하지만 기존 빈발 패턴 탐색 기법들은 배열 내 원소들의 위치 관계까지 고려하지는 않기 때문에 본 문제에 바로 적용하기는 어렵다. 따라서 본 논문은 다수의 2 차원 배열 내에서 빈번히 같이 발생하는 부분 구역들을 효율적으로 찾는 기법을 제안한다. 본 논문의 선행 연구에서는 주어진 배열들을 두 번 스캔하여 빈발 부분 구역 집합을 찾는 기법을 제안하였다. 본 논문에서는 이를 개선하여 배열들을 한 번만 스캔하고도 빈발 부분 구역 집합을 찾는 효율적인 기법을 제안한다. 이를 위해 제안 방법은 지금까지 탐색된 부분 구역들에 대한 정보를 메모리에 효율적으로 유지한다. 실험결과 제안방법은 기존 방법에 비해 수행시간을 약 30% 단축함을 보였다.

In the latest eras, there has been a significant amount of development and research is done on the usage of Deep Learning (DL) for speech emotion recognition (SER) based on Convolutional Neural Network (CNN). These techniques are usually focused on utilizing CNN for an application associated with emotion recognition. Moreover, numerous mechanisms are deliberated that is based on deep learning, meanwhile, it's important in the SER-based human-computer interaction (HCI) applications. Associating with other methods, the methods created by DL are presenting quite motivating results in many fields including automatic speech recognition. Hence, it appeals to a lot of studies and investigations. In this article, a review with evaluations is illustrated on the improvements that happened in the SER domain though likewise arguing the existing studies that are existence SER based on DL and CNN methods.

안저 영상 촬영기술이 발달되며 진단에 사용되는 안저 영상에는 시각적으로 많은 변화가 일어났다. 새로운 촬영 기법인 초광각 안저 영상은 기존 영상에 비해 넓은 범위의 영상을 생성할 수 있다. 촬영 범위가 넓어짐에 따라 이미지에는 왜곡이 발생하고, 이로 인해 안저 영상을 통한 황반 부위 진단에 어려움을 야기하기도 한다. 본 논문에서는 이러한 왜곡을 보정하고 초광각 안저 영상을 기존 안저 영상의 영역으로 변환하는 시스템을 강화학습을 통해 구축한다. 제안하는 방법은 A3C 강화학습법을 사용하며 실험 결과는 제안 방법을 통해 안저 영상을 자동으로 변환할 수 있음을 보여준다.

본 논문에서는 제주시에서 오픈데이터로 공개한 버스탑승 기록을 기반으로 이용도가 높은 버스노선에 대해 특정정류장에서의 도착시간 예측모델을 구축한다. 버스들의 평균주행 속도, 운행시간대, 교통량 등을 입력으로 한 모델을 Sklearn을 이용하여 생성하고 MAE와 손실율 등의 성능을 분석한다.

흔히 DeepFake로 불리는 GAN 기술은 소스 영상과 타겟 이미지를 합성하여 타겟 이미지 내의 사람이 소스 영상에서 나타나도록 합성하는 기술이다. 이러한 GAN 기반 영상 합성 기술은 2018년을 기점으로 급격한 성장세를 보이며 다양한 산업에 접목되어지고 있으나 학습 모델을 얻는 데 걸리는 시간이 너무 오래 소요되고, 감정 표현을 인지하는 데 어려움이 있었다. 본 논문에서는 상기 두가지 문제를 해결하기 위해 Facial Action Coding System(FACS) 및 음성 합성 기술[4]을 적용한 가상 아바타 생성 방법에 대해 제안하고자 한다.

약물 디자인이란 단백질과 같은 생물학적 표적에 작용할 수 있는 새로운 약물을 개발하는 과정이다. 전통적인 방법은 탐색과 개발 단계로 구성되어 있으나, 하나의 신약 개발을 위해서는 10 년 이상의 장시간이 요구되기 때문에, 이러한 기간을 단축하기 위한 인공지능 기반의 약물 디자인 방법들이 개발되고 있다. 하지만 많은 심층학습 기반의 약물 디자인 모델들은 RNN 기법을 활용하고 있고, RNN 은 훈련속도가 느리다는 단점이 있기 때문에 개선의 여지가 남아있다. 이런 단점을 극복하기 위해 본 연구는 self-attention 과 variational autoencoder 를 활용한 SMILES 생성 모델을 제안한다. 제안된 모델은 최신 약물 디자인 모델 대비 훈련 시간을 1/36 단축하고, 뿐만 아니라 유효한 SMILES 를 더 많이 생성하는 것을 확인하였다.

본 논문에서는 지도학습(Supervised Learning)알고리즘을 사용하는 모듈러 스파이킹 신경회로망(Modular Spiking Neural Networks)에서 학습의 진행 상황에 맞추어 학습용 데이터를 사용하는 다중 단계 학습알고리즘을 제안한다. 또한 컴퓨터 시뮬레이션에 의하여 항공영상 클러스터링 문제에 적용한 결과를 보임으로써 실제적인 문제에서의 적용 타당성과 가능성을 보인다.

자폐 스펙트럼 장애는 이질적인 신경 발달 장애로, 뇌기능영상에 기반한 기능적 연결성 행렬을 이용해 연구가 활발하게 진행된다. 기능적 연결성 행렬을 분석하기 위해 주성분 분석방법을 이용하며, 이를 통해 뇌의 기능적 경향성 패턴을 확인할 수 있다. 이 때, 서로 다른 연결성 성분 비율과 주성분 벡터를 이용해서 다양한 기능적 경향성 패턴을 얻을 수 있다. 패턴에 따른 랜덤 포레스트 분류 모델의 성능이 달라지는데 이를 비교해본 결과, 상위 50%의 성분을 이용하여 만든 기능적 경향성 패턴 1 이 데이터의 설명 비율도 높고, 우수한 분류 성능을 보이는 것을 확인했다.

Infants communicate their feelings and needs to the outside world through non-verbal methods such as crying and displaying diverse facial expressions. However, inexperienced parents tend to decode these non-verbal messages incorrectly and take inappropriate actions, which might affect the bonding they build with their babies and the cognitive development of the newborns. In this paper, we propose an aural-visual two-stream based infant cry recognition system to help parents comprehend the feelings and needs of crying babies. The proposed system first extracts the features from the pre-processed audio and video data by using the VGGish model and 3D-CNN model respectively, fuses the extracted features using a fully connected layer, and finally applies a SoftMax function to classify the fused features and recognize the corresponding type of cry. The experimental results show that the proposed system classification exceeds 0.92 in F1-score, which is 0.08 and 0.10 higher than the single-stream aural model and single-stream visual model.

In order to improve the accuracy of small target detection more effectively, this paper proposes an improved single shot detector (SSD) target detection and recognition method based on cspdarknet53, which introduces lightweight ECA attention mechanism and Feature Pyramid Network (FPN). First, the original SSD backbone network is replaced with cspdarknet53 to enhance the learning ability of the network. Then, a lightweight ECA attention mechanism is added to the basic convolution block to optimize the network. Finally, FPN is used to gradually fuse the multi-scale feature maps used for detection in the SSD from the deep to the shallow layers of the network to improve the positioning accuracy and classification accuracy of the network. Experiments show that the proposed target detection algorithm has better detection accuracy, and it improves the detection accuracy especially for small targets.

이 논문에서는 자연어로 구성된 수학 문장제 문제를 자동으로 풀이하기 위한 Transformer 기반의 생성 모델인 KoEPT를 제안한다. 수학 문장제 문제는 일상 상황을 수학적 형식으로 표현한 자연어 문제로, 문장제 문제 풀이 기술은 실생활에 응용 가능성이 많아 국내외에서 다양하게 연구된 바 있다. 한국어의 경우 지금까지의 연구는 문제를 유형으로 분류하여 풀이하는 기법들이 주로 시도되었으나, 이러한 기법은 다양한 수식을 포괄하여 분류 난도가 높은 데이터셋에 적용하기 어렵다는 한계가 있다. 본 논문은 이를 해결하기 위해 우선 현존하는 한국어 수학 문장제 문제 데이터셋인 CC, IL, ALG514의 분류 난도를 측정한 후 5겹 교차 검증 기법을 사용하여 KoEPT의 성능을 평가하였다. 평가에 사용된 한국어 데이터셋들에 대하여, KoEPT는 CC에서는 기존 최고 성능과 대등한 99.1%, IL과 ALG514에서 각각 89.3%, 80.5%로 새로운 최고 성능을 얻었다. 뿐만 아니라 평가 결과 KoEPT는 분류 난도가 높은 데이터셋에 대해 상대적으로 개선된 성능을 보였다.

최근 프로그램은 그 크기와 복잡도가 나날이 증가하고 있어, 프로그램 행위 모델링에 대한 중요성은 다양한 분야에서 증대되고 있다. 프로그램의 동적 분석은 런타임에 생성되는 데이터가 너무나 많아, 많은 데이터를 활용하기 용이한 딥러닝 기술이 사용되고 있다. 하지만, 기존의 연구들은 연산과 연산의 매개변수 중 매개변수에 대한 고려가 충분치 않았다. 이는 매개변수가 딥러닝에 알맞은 입력으로 표현되기 어렵기 때문인데, 우리는 이를 해결하기 위해 매개변수로 인해 발생되는 런타임 행위에서 특징적인 값들을 추출하는 것으로 대체하였다. 또한, 연산과 특징적인 값들이 여러 개의 LSTM-RNN 으로 처리됨을 보이고, 이 결과를 시각화 하여 효과적임을 보였다.

Scheduling the movements of trains in the modern railway system is becoming essential and important. Swiss Federal Railway Company (SBB) and machine learning researchers began collaborating to make a simulation environment and held a Flatland challenge. In this paper, the methodologies of the winners of this competition are analyzed to achieve insight and research trends. This problem is similar to the Multi-Agent Path Finding (MAPF) and Vehicle Rescheduling Problem (VRSP). The potential of the attempted methods from the Flatland challenge to be applied to various transportation systems as well as railways is discussed.

Deep neural networks have achieved almost human-level results in various tasks and have become popular in the broad artificial intelligence domains. Uncertainty estimation is an on-demand task caused by the black-box point estimation behavior of deep learning. The deep ensemble provides increased accuracy and estimated uncertainty; however, linearly increasing the size makes the deep ensemble unfeasible for memory-intensive tasks. To address this problem, we used model pruning and quantization with a deep ensemble and analyzed the effect in the context of uncertainty metrics. We empirically showed that the ensemble members' disagreement increases with pruning, making models sparser by zeroing irrelevant parameters. Increased disagreement implies increased uncertainty, which helps in making more robust predictions. Accordingly, an energy-efficient compressed deep ensemble is appropriate for memory-intensive and uncertainty-aware tasks.

방향 네트워크 임베딩 문제는 주어진 방향 네트워크의 노드들을 그들 간의 비대칭 관계를 보존할 수 있는 저 차원 벡터들로 표현하는 것이다. 최근, 이 문제에 대한 다양한 방법들이 제안되어왔다. 본 논문에서 우리는 네 가지 실세계 방향 네트워크 데이터셋와 세 가지 에지 예측 시나리오를 이용한 실험을 통해, 최신 방향 네트워크 임베딩 방법들의 성능을 종합적으로 비교 분석한다.

비디오 모니터링은 자율주행차뿐만 아니라 농장 내 병든 동물 탐지 등과 같은 스마트팜 분야에서도 사람을 대신하여 24시간 연속 모니터링할 수 있는 중요한 응용 분야이다. 본 논문에서는 비디오 모니터링의 계산양을 줄이면서도 혼잡한 돈방에서 빠르게 움직이는 돼지들을 정확히 탐지하기 위해 CNN 기반 객체 탐지기의 정확도를 고려한 방법을 제안한다. 즉, 연속되는 비디오 영상에서 key frame을 먼저 추출한 후, 비디오의 특성인 움직임 정보가 포함된 영상에서 GMM을 이용하여 움직인 돼지와 움직이지 않은 돼지의 위치를 구분하고, 최종적으로 YOLOv4를 적용하여 움직인 돼지와 움직이지 않은 돼지를 탐지한다. 돈사에서 촬영된 비디오 데이터로 실험한 결과, 제안 방법은 효과적으로 움직인 돼지를 탐지할 수 있음을 확인하였다.

AI (Artificial Intelligence)기술이 상용화되면서 최근 기업들은 AI 모델의 기능을 서비스화하여 제공하고 있다. 하지만 최근 이러한 서비스를 이용하여 기업이 자본을 투자해 학습시킨 AI 모델을 탈취하는 공격이 등장하여 위협이 되고 있다. 본 논문은 최근 연구되고 있는 이러한 모델 탈취 공격들에 대해 공격자의 정보를 기준으로 분류하여 서술한다. 또한 본 논문에서는 모델 탈취 공격에 대응하기 위해 다양한 관점에서 시도되는 방어 기법들에 대해 서술한다.

CNN 기반 객체 탐지기의 발전으로 돈사에서 돼지 모니터링이 가능하지만, 실제 농가에서 적용하기 위해서는 영상에서 돈사의 조명에 직접 노출된 돼지들이 노출 과다 현상에 의해 탐지되지 않는 문제가 여전히 남아있다. 이러한 문제점은 싱글 모델로서는 정확도 개선의 한계가 있어, 복수개의 모델을 이용한 모델 앙상블 기법을 제안한다. 특히 본 연구에서 제안하는 영상 처리 기법을 사용하여 생성된 상호 보안적인 데이터를 통해 학습된 두 개의 TinyYOLOv4 모델을 결합하면, 돼지 객체 탐지의 정확도가 하나의 TinyYOLOv4 모델에 비하여 획기적으로 개선되었음을 확인하였다.

문장 압축은 원본 문장의 중요한 의미를 보존하는 짧은 길이의 압축 문장을 생성하는 자연어처리 태스크이다. 문장 압축은 사용자가 텍스트로부터 필요한 정보를 빠르게 획득할 수 있도록 도울 수 있어 활발히 연구되고 있지만, 기존 연구들은 사람이 직접 정의한 압축 규칙이 필요하거나, 모델 학습을 위해 대량의 데이터셋이 필요하다는 문제점이 존재한다. 사전 학습된 언어 모델을 통한 perplexity 기반의 문장 점수 측정을 통해 문장을 압축하여 압축 규칙과 모델 학습을 위한 데이터셋이 필요하지 않은 연구 또한 존재하지만, 문장 점수 측정에 문장에 속한 단어들의 의미적 중요도를 반영하지 못하여 중요한 단어가 삭제되는 문제점이 존재한다. 본 논문은 언어 정보 중 품사 정보, 의존관계 정보, 개체명 정보의 중요도를 수치화하여 perplexity 기반의 문장 점수 측정에 반영하는 방법을 제안한다. 또한 제안한 문장 점수 측정 방법을 활용하였을 때 문장 점수 측정 기반 문장 압축 모델의 문장 압축 성능이 향상됨을 확인하였으며, 이를 통해 문장에 속한 단어의 언어 정보를 문장 점수 측정에 반영하는 것이 의미적으로 적절한 압축 문장을 생성하는 데 도움이 될 수 있음을 보였다.

폐색전증(Pulmonary Embolism : PE)은 사망률이 높은 질환중 하나이다. 초기에 정확한 진단 및 치료를 시행하는 경우 사망과 재발의 경우가 흔치 않으나 지연 진단이 일어나는 경우 사망률은 높기 때문에 보다 정확하고 빠른 검사법이 필요하다. 본 연구에서는 폐색전증 환자의 흉부 CT 데이터를 가지고 딥러닝 알고리즘을 생성하여 소프트웨어를 구현하고자 한다. 개발된 딥러닝 기반의 폐색전증 진단 보조 소프트웨어는 CT 촬영 후 즉각적인 질환 예측으로 판독 시간의 단축과 효율성을 제공할 것으로 기대된다.

To solve the problem that existing computing methods cannot adequately represent the semantic features of sentences, Siamese TRAT, a semantic feature extraction model based on Transformer encoder is proposed. The transformer model is used to fully extract the semantic information within sentences and carry out deep semantic coding for sentences. In addition, the interactive attention mechanism is introduced to extract the similar features of the association between two sentences, which makes the model better at capturing the important semantic information inside the sentence. As a result, it improves the semantic understanding and generalization ability of the model. The experimental results show that the proposed model can improve the accuracy significantly for the semantic similarity calculation task of English and Chinese, and is more effective than the existing methods.

본 시스템은 같은 환자로부터 촬영한 기존 안저영상과 초광각 안저영상을 Paired Dataset으로 지니고 있으며, 영상의 크기 및 해상도를 똑같이 맞추고, 황반부와 신경유두 및 혈관의 위치를 미세조정하는 과정을 자동화하는 것을 목표로 하고 있다. 이 과정은 황반부를 중심으로 하여 영상을 잘라내어 이미지의 크기를 맞추는 과정(Scaling)과, 황반부를 중심으로 잘라낸 한 쌍의 영상을 포개었을 때 황반부, 신경 유두, 혈관 등의 위치가 동일하도록 미세조정하는 과정(Warping)이 있다. Scaling Stage에선 기존 안저영상과 초광각 안저영상의 촬영범위가 현저하게 차이나기 때문에, 황반변성 부위를 잘 나타내도록 사전에 잘라낼 필요가 있으며, 이를 신경유두의 Object Detection을 활용할 예정이다. Warping Stage에선 동일한 위치에 같은 황반변성 정보가 내포되어야 하므로 규격조정 및 위치조정 과정이 필수적이며, 이후 안저영상 내의 특징들을 매칭하는 작업을 하기 위해 회전, 회절, 변환 작업 등이 이루어지며, 이는 Homography Estimation을 통하여 이미지 변환 matrix를 구하는 방법으로 진행된다. 자동조정된 안저영상 데이터는 추후에 GAN을 이용한 안저영상 생성모델을 위한 학습데이터로 이용할 예정이며, 현재로선 2500쌍의 데이터를 대상으로 실험을 진행중이지만, 최종적으로 3만 쌍의 안저영상 데이터를 목표로 하고 있다.

석유개발 현장에서 시추장비의 고장으로 인한 장비교체 및 시추시간 증가는 막대한 비용소모를 발생시킨다. 본 논문은 딥러닝 기반의 시추장비 중 드릴비트의 동력을 구동시키는 디젤엔진의 고장 요소를 분류하고 이 요소에 따른 고장여부를 판별하는 딥러닝 기반의 이상 예측 및 진단 모델을 개발하였다. 또한 제안한 모델의 우수성을 확인하기 위해 로지스틱 회귀분석 분류모델과의 예측성능 비교분석도 수행하였다.

In the NLP field, the pre-training model BERT launched by the Google team in 2018 has shown amazing results in various tasks in the NLP field. Subsequently, many variant models have been derived based on the original BERT, such as RoBERTa, ERNIEBERT and so on. In this paper, the WWMBERT (Whole Word Masking BERT) model suitable for Chinese text tasks was used as the baseline model of our experiment. The experiment is mainly for "Text-level Chinese text classification tasks" are improved, which mainly combines Tapt (Task-Adaptive Pretraining) and "Multi-Sample Dropout method" to improve the model, and compare the experimental results, experimental data sets and model scoring standards Both are consistent with the official WWMBERT model using Accuracy as the scoring standard. The official WWMBERT model uses the maximum and average values of multiple experimental results as the experimental scores. The development set was 97.70% (97.50%) on the "text-level Chinese text classification task". and 97.70% (97.50%) of the test set. After comparing the results of the experiments in this paper, the development set increased by 0.35% (0.5%) and the test set increased by 0.31% (0.48%). The original baseline model has been significantly improved.

One of the elements of technology that has become extremely critical within the field of education today is Deep learning. It has been especially used in the area of natural language processing, with some word-representation vectors playing a critical role. However, some of the low-resource languages, such as Swahili, which is spoken in East and Central Africa, do not fall into this category. Natural Language Processing is a field of artificial intelligence where systems and computational algorithms are built that can automatically understand, analyze, manipulate, and potentially generate human language. After coming to discover that some African languages fail to have a proper representation within language processing, even going so far as to describe them as lower resource languages because of inadequate data for NLP, we decided to study the Swahili language. As it stands currently, language modeling using neural networks requires adequate data to guarantee quality word representation, which is important for natural language processing (NLP) tasks. Most African languages have no data for such processing. The main aim of this project is to recognize and focus on the classification of words in English, Swahili, and Korean with a particular emphasis on the low-resource Swahili language. Finally, we are going to create our own dataset and reprocess the data using Python Script, formulate the syllabic alphabet, and finally develop an English, Swahili, and Korean word analogy dataset.

Since the words and words in Chinese sentences are continuous and the length of vocabulary is huge, Chinese NER(Named Entity Recognition) always based on character representation. In recent years, many Chinese research has been reconsidered how to integrate the word information into the Chinese NER model. However, the traditional sequence model has complex structure, the slow inference speed, and an additional dictionary information is needed, which is difficult to implement in the industry. The approach in this paper has the state of the art and parallelizable, which is integrated the char-word embeddings, so that the model learns word information. The proposed model is easy to implement, and outperforms traditional model in terms of speed and efficiency, which is improved f1-score on two dataset.

모바일 디바이스 화면에 대하여 클릭 가능한 객체를 인식하기 위한 Object detection network architecture 를 제안한다. DSSD 를 Baseline 으로 SE block 이 추가된 Backbone network 와 SSD layer, FPN 구조를 사용한다. 기존의 1:1 비율의 네트워크의 Input resolution 을 모바일 화면과 유사한 1:2 비율로 변경하여 효율적으로 피처를 추출한다. 또한 해당 모델을 학습하기 위한 효율적인 데이터셋을 구축한다. 모바일 화면에서 클릭 가능한 객체를 기준으로 데이터를 수집하여 총 24,937 개의 Annotation data 를 Text, Image, Button, Region 등 8 개의 카테고리로 세분화하였다.

본 논문에서는 최근 다양한 분야에서 많이 활용되고 있는 YOLO와 EAST 신경망을 이미지 속 문자열 탐지문제에 적용해보고 이들의 성능을 비교분석 해 보았다. YOLO 신경망은 v3 이전 모델까지는 이미지 속 문자영역 탐지에 낮은 성능을 보인다고 알려졌으나, 최근 출시된 YOLOv4와 YOLOv5의 경우 다양한 형태의 이미지 속에 있는 한글과 영문 문자열 탐지에 뛰어난 성능을 보여줌을 확인하고 향후 문자 인식 분야에서 많이 활용될 것으로 기대된다.

전 세계적으로 건강, 환경보호, 윤리적 소비를 추구하는 소비자들이 증가하면서 다양한 분야에서 동물성 제품을 섭취하거나 소비하지 않는 생활방식인 비거니즘(Veganism)을 지향하는 사람들이 증가하고 있다. 한국 또한 매년 채식에 대한 관심이 높아지고 있지만 외국에 비해 채식하기에 좋은 환경은 구축되어 있지 않으며 가공식품을 구매할 경우 성분 표를 일일이 확인해야 하는 어려움이 있다. 본 연구에서는 사용자가 섭취하고자 하는 가공식품의 성분을 분석하여 본인의 채식주의자 단계에 적합한 제품인지 쉽게 판별할 수 있는 모바일 앱을 제안한다.

스마트 기기와 애플리케이션의 테스트를 위해 빠르고 정확하게 스마트 기기 화면 상에서 테스트가 필요한 위치를 추출해야 한다. 필요한 위치를 추출할 때 스마트 기기 화면과 테스트할 수 있는 영역의 매칭 방식을 사용하는데 이를 위해 이미지의 변형이 발생해도 원하는 영역의 matching point 을 빠르고 정확하게 추출하는 feature matching 방식의 D2-Net 의 feature extraction 모델과 fitting algorithm 을 변경하였다.

사물 인식이란 컴퓨터에 입력되는 이미지에서 사용자가 정의한 사물들을 컴퓨터 비전 기술을 이용하여 인식하는 과정으로, 사물 인식을 이용하면 컴퓨터가 카메라를 통하여 입력되는 이미지에서 장애물 등 특정 사물의 인식 결과를 사용자에게 알려줄 수 있다. 본 논문에서는 YOLO 사물 인식 알고리즘을 이용하여 시각장애인에게 전방의 장애물을 인식하여 알려줄 수 있는 기술을 제시한다. 해당 기술은 실용성을 고려하여 모바일 환경에서 이용할 수 있으며, 서버와의 연동을 통해 실시간으로 사용자에게 사물 인식의 결과를 알려줄 수 있다.

지난 10년 동안 기계학습을 통해 자연어 처리 분야에서 많은 발전이 있었다. Machine translation, question answering과 같은 문제는 사용 가능한 데이터가 많은 언어에서 높은 정확도 성능 결과를 보여준다. 그러나 low-resource 언어에선 동일한 수준의 성능에 도달할 수 없다. 카자흐어는 형태학적 분석을 위해 구축된 대용량 데이터셋이 없으므로 low-resource 환경이다. 카자흐어는 단일 어근으로 수백 개의 단어 형태를 생성할 수 있는 교착어이다. 그래서 카자흐어 문장의 형태학적 분석은 카자흐어 문장의 의미를 이해하는 기본적인 단계이다. 기존에 존재하는 카자흐어 데이터셋은 구체적인 형태학적 분석의 부재로 모델이 충분한 학습이 이루어지지 못하기 때문에 본 논문에서 새로운 데이터셋을 제안한다. 본 논문은 low-resource 환경에서 높은 정확도를 달성할 수 있는 신경망 모델 기반의 카자흐어 형태학 분석기를 제안한다.

본 논문에서는 고해상도의 시계열 위성영상을 딥러닝 알고리즘으로 학습하여 도시 변화탐지를 수행한다. 고해상도 위성영상을 활용한 서비스는 4 차 산업혁명 융합 신사업 중 하나인 스마트시티에 적용하여 도시 노후화, 교통 혼잡, 범죄 등 다양한 도시 문제 해결 및 효율적인 도시를 구축하는데 활용이 가능하다. 이에 본 연구에서는 도시 변화탐지를 위한 딥러닝 알고리즘으로 DeepLabV3+를 사용한다. 이는 인코더-디코더 구조로, 공간 정보를 점진적으로 회복함으로써 더욱 정확한 물체의 경계면을 찾을 수 있다. 제안하는 방법은 DeepLabV3+의 레이어와 loss function 을 수정하여 기존보다 좋은 결과를 얻었다. 객관적인 성능평가를 위해, 공개된 데이터셋 LEVIR-CD 으로 학습한 결과로 평균 IoU 는 0.87, 평균 Dice 는 0.93 을 얻었다.

의약품에 대한 안전성 정보 수집과 관리는 온라인, 오프라인을 통해 약물 이상 사례를 보고받는 형태로 진행되고 있다. 하지만 소비자들의 자발적인 참여로 이루어지므로 실제 발생하는 약물 부작용보다 데이터가 현저히 적다는 단점이 존재한다. 본 논문에서는 약물 이상 데이터 희소성 문제를 해결 할 수 있도록 소셜 미디어에서 약물 부작용 표현을 찾을 수 있도록 하였다. 소셜 미디어의 경우에는 표준 약물 부작용 용어를 사용하기보다는 일반인들이 자연어로 표현한 경우가 많으므로 개체명 인식 기법을 이용해 부작용을 추출할 수 있는 모델을 개발하였다. 또한 추출된 부작용 표현을 표준용어로 분류할 수 있는 모델을 제시하였다. 실험 결과 제안한 두 가지 모델은 0.9 이상의 정확도를 얻을 수 있었으며, 일반 사용자들이 자연어로 표현한 약물 부작용 표현을 효과적으로 찾아내고 표준 부작용 용어로 매핑할 수 있음을 보여준다.

시뮬레이션을 비롯한 많은 다중 에이전트 환경에서는 중앙 집중 훈련 및 분산 수행(centralized training with decentralized execution; CTDE) 방식이 활용되고 있다. CTDE 방식 하에서 중앙 집중 훈련 및 분산 수행 환경에서의 다중 에이전트 학습을 위한 상태 행동 가치 기반(state-action value; Q-value) 다중 에이전트 알고리즘들에 대한 많은 연구가 이루어졌다. 이러한 알고리즘들은 Independent Q-learning (IQL)이라는 강력한 벤치 마크 알고리즘에서 파생되어 다중 에이전트의 공동의 상태 행동 가치의 분해(Decomposition) 문제에 대해 집중적으로 연구되었다. 본 논문에서는 앞선 연구들에 관한 알고리즘들에 대한 분석과 실용적이고 일반적인 도메인에서의 실험 분석을 통해 검증한다.

2021년 9대 전략 기술 트렌드로 선정된 인공지능 기술은 다양한 산업 분야에 활용되었다. 그러나 많은 데이터를 필요로 하는 딥러닝의 특성상 민감 데이터 유출 및 악용과 같은 이슈가 존재한다. 최근 개인정보 보호를 위한 규제들이 강화되었으며, 이는 산업 발전을 저해할 것이라는 우려가 커지고 있다. 따라서 데이터 프라이버시 보호와 활용이 모두 가능한 방법론에 대한 연구들이 진행되어야한다. 본 논문에서는 민감 데이터를 보호를 위한 딥러닝 기술 동향에 대해 살펴본다.

본 논문은 웹의 발달로 인하여 의료 서비스들이 기존의 Client-Server 방식의 제품에서 Web 방식의 제품으로 변경되고 있는 현대 흐름에서 인공지능 어플리케이션 또한 Web 으로 서비스 하기 위한 방법과 구현된 요로결석 AI 어플리케이션에 대해 기술한다. 이를 구현하기 위해 Python 기반의 Flask 라는 마이크로 웹 프레임워크를 사용하여 DICOM 핸들링, Pre-Processing, Mask 를 생성하고 Predict 결과를 Model Serving 을 통하여 Urinary Stone Segmentation Model 이 서비스되는 인공지능 웹 어플리케이션 동작 방식과 수행 결과를 보인다.

딥러닝 알고리즘 중 DCNN(DeConvolutional Neural Network)은 이미지 업스케일링과 생성·복원 등 다양한 분야에서 뛰어난 성능을 보여주고 있다. DCNN은 많은 양의 데이터를 병렬로 처리할 수 있기 때문에 하드웨어로 설계하는 것이 유용하다. 최근 DCNN의 하드웨어 구조 연구에서는 overlapping sum 문제를 해결하기 위해 deconvolution 필터를 convolution 필터로 변환하는 TDC(Transforming the Deconvolutional layer into the Convolutional layer) 알고리즘이 제안되었다. 하지만 TDC를 CPU(Central Processing Unit)로 수행하기 때문에 연산의 최적화가 어려우며, 외부 메모리를 사용하기에 추가적인 전력이 소모된다. 이에 본 논문에서는 저전력으로 구동할 수 있는 FPGA 기반 TDC 하드웨어 구조를 제안한다. 제안하는 하드웨어 구조는 자원 사용량이 적어 저전력으로 구동 가능할 뿐만 아니라, 병렬 처리 구조로 설계되어 빠른 연산 처리 속도를 보인다.

본 연구는 반도체 제조 공정중 발생하는 센서 데이터를 활용하여 딥러닝기반으로 불량을 예측하는 모델을 제안한다. 반도체 공장에서는 FDC((Fault Detection and Classification)라는 불량을 예측하는 시스템이 있지만, 공정의 복잡도가 높고 센서의 종류가 많아 공정 관리자가 모든 센서의 기준을 설정 및 관리하는데 한계가 있다. 이를 해결하기 위해 공정 설비의 센서 데이터를 딥러닝을 활용하여 학습시켜 센서 기준정보로 임계치를 제공하고, 가공중 발생하는 센서 데이터가 입력되면 정상 여부를 판정하는 모델을 제안한다.

센서 데이터는 여러가지 원인으로 인해 데이터 결측치가 발생할 수 있으며, 결측치로 인한 데이터의 처리 방식에 따라 데이터 분석 결과가 다르게 해석될 수 있다. 이는 펫 헬스 케어 서비스에서 치명적인 문제로 연결될 수 있다. 따라서 본 논문에서는 펫 웨어러블 디바이스로부터 수집되는 다양한 센서 데이터의 결측치를 처리하기 위해 GATs(Graph Attention neTworks)와 LSTM(Long Short Term Memory)을 결합하여 활용한 데이터 결측치 처리 기법을 제안한다. 펫 웨어러블 디바이스의 센서 데이터가 서로 연관성을 가지고 있다는 점을 바탕으로 인접 노드의 Attention 수치와 Feature map을 도출한다. 이후 Prediction Layer 를 통해 결측치의 Feature 를 예측한다. 예측된 Feature 를 기반으로 Decoding 과정과 함께 결측치 보간이 이루어진다. 제안된 기법은 모델의 변형을 통해 이상치 탐지에도 활용할 수 있을 것으로 기대한다.

최근 암호화폐가 발전함에 따라 다양한 연구들이 진행되고 있지만 그 중에서도 암호화폐의 가격 예측 연구들이 활발히 진행되고 있다. 특히 이러한 예측 분야에서도 인공지능 기술을 접목시켜 암호화폐 가격의 예측 정확도를 높이려는 노력들이 지속되고 있다. 인공지능 기반의 기법들 중 시간적 정보를 가진 데이터를 기반으로 하고 있는 LSTM(Long Short-Term Memory) 모델이 다각도로 활용되고 있으나 급등락하는 암호화폐 가격 데이터가 많을 경우에는 그 성능이 상대적으로 낮아질 수 밖에 없다. 따라서 본 논문에서는 가격이 급등락하고 있는 Bitcoin, Ethereum, Dash 암호화폐 데이터 환경에서 LSTM 모델의 예측 성능이 향상될 수 있는 세부 하이퍼 파라미터 값을 실험 및 분석하고, 그 결과의 의미에 대해 고찰한다. 이를 위해 LSTM 모델에서 향상된 예측률을 보일 수 있는 epoch, hidden layer 수, optimizer 에 대해 분석하였고, 최적의 예측 결과를 도출해 줄 수 있는 최소 training data 개수도 함께 살펴보았다.

외부인들이 시설을 무단으로 이용하는 등의 범죄가 계속해서 발생하고 있다. 본 논문은 기존의 시설물에서 사용하고 있는 단순 인증 절차가 아닌 BLE 비콘과 영상데이터를 활용한 비승인자 감지 시스템이다. 이 시스템은 스마트폰 어플리케이션에서 BLE 비콘의 데이터를 받은 후 UUID 값과 RSSI 값을 서버로 전송한다. 이후 전송된 데이터들로 핑거프린팅 기반 RadioMap을 구성하고 RNN 기반 딥러닝 학습을 진행하여 사용자 위치 데이터를 도출한다. CCTV를 통해 수집된 영상데이터는 서버로 전송되며, YOLOv4를 이용하여 객체탐지를 위한 프로세스를 진행한 후 Person 클래스를 추출한다. 이후 승인된 사용자의 위치 데이터에 실시간 영상데이터를 더하여 인증 과정 절차가 진행되지 않은 비승인자들을 추적한다. 본 논문은 COVID-19로 인해 시설물 인증 절차에 사용이 증가하고 있는 QR코드를 이용해 인증 과정 절차의 진행 방식으로 시스템에 대한 확장성까지 기대할 수 있다.

전용회선은 두 지역을 독점적으로 사용하는 구조이기 때문에 안정된 품질수준과 보안성이 확보되어 교환 회선의 급격한 증가에도 불구하고 지속적으로 많이 사용하는 회선 방식이다. 하지만 비용이 상대적으로 고가이기 때문에 네트워크 전용회선의 자원을 적절히 배치하고 활용하여 최적의 상태를 유지하는 것이 중요한 요소이다. 이에 본 연구에서는 기업 네트워크에서 사용하는 전용회선의 실제 사용률 데이터를 기반으로 다양한 시계열 데이터 예측 모델을 적용하고 성능을 평가하였다. 일반적으로 통계적인 방법으로 많이 사용하는 평활화 모형 및 ARIMA 모형과 요즘 많은 연구가 되고 있는 인공신경망에 기반한 딥러닝의 대표적인 모델들을 적용하여 각각의 예측에 대한 성능을 측정하고 비교하였다.

관광관련 광고, 상품판매 촉진, 추천 등을 위해 제주도 관광객의 관심 정보에 있어 기후요소가 끼치는 영향을 분석하고 이를 토대로 예측모델을 개발한다. 예측모델은 입력으로 기온, 강수량, 풍속, 습도, 일사량 및 전운량, 출력으로 가장 관심도가 높은 관광지 유형을 가지며 TMAP의 검색순위 이력 데이터와 기상청의 기후이력 데이터를 다운로드하여 학습패턴을 생성한다. 예측모델은 Sklearn 인공신경망 라이브러리를 이용하여 구현하였으며, 81.8 %의 정확도를 보인다.

시계열 형태의 데이터는 다양한 분야에서 수집되고 응용되기 때문에 정확한 시계열 예측은 많은 분야에서 운영 효율성을 높일 수 있는 중요한 분석 방법으로 고려된다. 그중 다층 수평 예측은 사용자에게 전반적인 시계열 데이터 경향성을 제공할 수 있다. 하지만 다양한 정보를 포함하는 시계열 데이터는 데이터에 내재한 이질성(heterogeneity)까지 포괄적으로 고려한 방법을 통해서만 정확한 예측을 할 수 있다. 하지만 지금까지 많은 시계열 분석 모델들이 데이터의 이질성을 반영하지 못했다. 이러한 한계를 보완하고자 우리는 Temporal Fusion Transformer 모델을 사용하여 실생활과 밀접한 관련이 있는 데이터에 적용하여 이질성을 고려한 향상된 예측을 수행하였다. 실제, 주식 데이터와 미세 먼지 데이터와 같은 실생활 시계열 데이터에 적용하였고 실험 결과 기존 모델보다 Mean Squared Error(MSE)가 0.3487 낮은 것을 확인하였다.

기존의 심층 강화학습은 상태, 행동, 정책 등을 모두 벡터 형태로 표현하는 강화학습으로서, 학습된 정책의 일반성과 해석 가능성에 제한이 있고 영역 지식을 학습에 효과적으로 활용하기도 어렵다는 한계성이 있다. 이러한 문제점들을 해결하기 위해 제안된 새로운 관계형 강화학습 프레임워크인 dNL-RRL은 상태, 행동, 그리고 학습된 정책을 모두 논리 서술자와 규칙들로 표현할 수 있다. 본 논문에서는 dNL-RRL을 기초로 공장 내 운송용 모바일 로봇의 제어를 위한 행동 정책 학습을 수행하였으며, 학습의 효율성 향상을 위해 인간 전문가의 사전 영역 지식을 활용하는 방안들을 제안한다. 다양한 실험들을 통해, 본 논문에서 제안하는 영역 지식을 활용한 관계형 강화학습 방법의 학습 성능 개선 효과를 입증한다.

최근 반려동물 관련 산업이 증가함에 따라 반려동물의 행동을 분석하는 연구가 진행되고 있다. 이를 바탕으로 본 논문에서는 반려동물 행동 분석을 통한 이상행동 예측 시스템을 제안한다. 이 시스템은 CCTV로부터 반려동물의 영상 데이터를 수집하고, YOLOv4(You Only Look Once version 4)를 통해 반려동물의 객체를 탐지한다. 행동을 분석하기 위해 탐지된 반려동물 객체를 DeepLabCut 딥러닝 알고리즘을 사용하여 관절 좌표 정보를 추출한다. 추출된 관절 좌표와 반려동물의 일반적인 행동을 매칭하여 이상행동을 예측하기 위한 DNN(Deep Neural Networks)의 입력 데이터로써 사용된다. 위 과정을 통해 반려동물의 전체적인 행동을 분석하여 이상행동을 예측한다. 이 시스템을 통해 반려동물의 행동을 분석하고 이상행동을 예측함으로써 반려동물 의료 관련 사업에도 적용될 수 있을 것이다.

최근 코로나 19 상황으로 인해 많은 사람들이 모이는 병원 방문을 꺼리거나, 치료비에 부담을 느끼는 근골격계 재활 환자들이 많다. 이러한 환자들을 위해 이 프로젝트에서는 재활 치료 빈도가 높은 어깨와 손목 등 여섯 가지 근골격 부위의 자가 재활 치료를 돕는 기계 학습 기반 웹 페이지을 구현한다. 이 웹 페이지는 각 부위에 대한 재활 치료 자세를 구글 티처블 머신으로 학습 시킨 데이터를 기반으로 환자가 올바른 자세로 운동하는지를 판별해 준다. 이 때, 사용자의 재활 치료 자세는 웹 카메라로부터 캡쳐한다.

최근 경량 딥러닝 기반 키워드 음성인식은 가전, 완구, 키오스크 등 다양한 응용에 음성 인터페이스를 쉽게 적용할 수 있는 기술로서 주목받고 있다. 키워드 음성인식은 일부 키워드만 인식 가능한 음성인식 기술로서 저성능 디바이스에서 활용 가능한 장점이 있다. 그러나 응용에 따라 필요한 키워드에 대하여 다시 음성데이터를 수집해야하고 이를 학습하여 모델을 새로 준비해야하는 단점이 있다. 따라서 본 연구에서는 음성데이터 수집 없이 음성합성을 통해 생성한 음성으로만 키워드 음성인식 모델을 학습하는 음성합성 기반 자동 학습 기법을 제안하였다. 생성한 음성데이터를 활용하고자하는 시도가 활발히 이루어지고 있으나, 기존 연구에서는 정확도를 유지하기 위하여 수집한 실제 음성데이터가 필요한 한계가 있다. 제안한 자동 학습 기법은 생성한 음성데이터에 대해 복합 데이터 증대 기법을 적용하여 실제 음성데이터 없이 키워드 음성인식의 정확도를 높였다. 제안한 기법에 대하여 상용 음성합성 서비스를 기반으로 수집한 한국어 키워드 데이터세트를 활용하여 성능평가를 진행하였다. 20개 한국어 키워드에 대해 실험한 결과, 제안한 기법을 적용하여 학습시킨 키워드 음성인식 모델의 정확도는 86.44%임을 확인하였다.

최근 모바일 기술이 실생활에 널리 활용하면서 점점 모바일 크라우드소싱 활용이 크게 기대되고 있다. 그래서 배달 인력이 아닌 일반인도 어플리케이션을 모바일 기기에 설치하면 배달 인력이 되어 작업을 수행할 수 있다. 본 연구에서는 일반인도 참여할 수 있는 모바일 크라우드소싱 기반 배달에서 딥러닝을 이용한 작업자 선정 기법을 소개한다. 그리고 실험을 통하여 합성곱 신경망(Convolutional Neural Network)을 적용한 본 기법이 효과적이라는 것을 보인다.

한국어 심층학습 언어모델인 KoBERT와, 확률적 기계학습 분류기인 나이브 베이즈와 로지스틱 회귀를 이용하여 유학생이 작성한 한국어 쓰기 답안지의 점수 구간을 예측하는 실험을 진행하였다. 네가지 주제('직업', '행복', '경제', '성공')를 다룬 답안지와 점수 레이블(A, B, C, D)로 쌍을 이룬 학습데이터 총 304건으로 다양한 자동분류 모델을 구축하여 7-겹 교차검증을 시행한 결과 KoBERT가 나이브 베이즈나 로지스틱 회귀보다 약간 우세한 성능을 보였다.

반도체 회로의 미세화로 단위 공정이 증가하면 TAT(turn-around time) 증가에 따른 제조 비용이 늘어난다. 반도체 공정 중 포토 공정은 마스크의 회로를 웨이퍼에 전사하는 공정으로 전사를 담당하는 노광장비의 성능에 의해 회로의 정확성이 결정된다. 이런 정확성을 검증하는 계측공정은 회로의 미세화가 진행될수록 필요성은 증가하나 TAT 증가의 주된 요인으로 최근 기계학습을 사용한 다양한 예측 모형들의 개발로 계측 결과를 예측하는 실험들이 진행되고 있다. 본 논문은 노광장비 센서들의 이상값을 감지하여 분류 후 계측공정을 진행하는 LFDC(Lithography Fault Detection and Classification) 시스템의 문제인 분류 성능이 떨어지는 것을 해결하기 위해 XGBoost를 사용하여 계측공정을 진행하지 않고 노광장비 센서의 이상값을 학습된 학습기를 통해 분류하여 포토 공정을 재진행하거나 다음 공정을 진행하는 방법을 실험하였다. 실험에서 사용된 계측 결과 예측 모형은 89%의 정확도를 확보하였고 반도체 데이터 특성인 심각한 불균형의 데이터에 대해서도 같은 정확도를 얻었다. 이런 결과는 노광장비 센서들의 이상값에 대해 89%는 정상으로 판단하였고 정상으로 판단한 웨이퍼를 실제 계측 시 예측과 같은 결과를 얻었다. 계측 결과 예측 모형을 사용하면 실제 계측을 진행하지 않고 노광장비 센서들의 이상값에 대한 판정을 할 수 있어 TAT 단축으로 제조 비용감소, 계측 장비 부하 감소 및 효율 향상을 할 수 있다. 하지만 본 논문에서는 90%의 성능을 보이는 계측 결과 예측 모형으로 여전히 10%에 대해서는 실제 계측이 필요한 문제에 대해 추후 더 연구가 필요하다.

최근 다양한 시계열 데이터의 분석이 딥러닝 방법을 통하여 수행되고 있다. 주로 RNN과 LSTM을 이용하여 많은 시계열 예측이 이루어지고 있다. 하지만 이러한 예측모델을 생성하는데 가장 중요한 것은 어떠한 변수를 얼마나 사용하는지가 중요하다. 이에 대하여, 본 연구에서는 3개의 신경망을 적용하여, 속성을 선택하는 Selection MLP, 속성에 가중치를 부여하는 Extraction MLP 그리고 예측을 진행하는 Prediction MLP로 이루어진 MLP-SEL 구조를 제안한다. 비교를 위하여 다른 순환 신경망에 대하여 시계열 데이터에 대한 예측을 진행하였으며, 그 결과 우리가 제안한 MLP-SEL 모델의 시계열 예측이 좋은 성능을 보였다.

본 연구는 심혈관계 질환 진단에 주고 사용되는 PTT 를 계산할 때 필요한 PPG 신호가 없을 경우 ECG 신호만을 사용하여 PTT 값을 예측하는 방법을 제안한다. MIMIC-I 데이터셋에서 2 채널 심전도 데이터와 광전용적맥파 데이터를 확보하여 제안하는 방법을 적용하였을 때, RMSE 0.07116 으로 예측하였다. 본 연구는 향후 단일 생체신호만 측정할 수 있는 제한된 상황에서 대안으로 활용될 수 있을 것이다.

본 논문에서는 동작 비디오를 분석하고 이를 3차원 캐릭터 애니메이션으로 생성하는 방법을 제시한다. 비디오에서의 사람의 동작 인식에서는 OpenPose를 사용하여 사람의 몸 keypoints를 추적해 2차원 위치 좌표로 얻는다. 3차원 캐릭터 애니메이션으로 생성하기 위해 Deep-Learning을 사용하여 2차원 위치 좌표를 3차원 위치 좌표로 변경한다. 캐릭터 스켈레톤에 적용하기 위해 3차원 위치 좌표를 회전값으로 변환하고 그 회전값을 캐릭터 스켈레톤 좌표에 맞게 변환한다. 비디오의 사람의 동작과 유사한 3차원 캐릭터 애니메이션을 생성하는 방법을 제안하고 적용 결과를 제시한다.

HEIF (High Efficiency File Format)는 MPEG에서 개발된 이미지 포맷으로써, 비디오 코덱인 H.265를 활용하여 정지된 화면을 하나의 이미지 형태로 저장할 수 있도록 개발된 컨테이너이다. 아이폰은 2017년부터 HEIF를 사용하고 있으며, 2019년부터는 갤럭시 S10과 같은 안드로이드 기기도 해당 포맷을 지원하고 있다. 이 포맷은 우수한 압축률을 가지도록 이미지를 제공할 수 있으나, 복잡한 내부 구조를 가지고 있으며 기기나 소프트웨어 간 호환성이 현저하게 부족하여 일반적으로 사용되는 JPEG(또는 JPG) 파일을 대체하기에는 아직 대중적이지 못한 상황이다. 하지만 이미 많은 기기에서 HEIF를 사용하고 있음에도 불구하고 디지털 포렌식 연구는 부족한 상황이다. 이는 디지털 포렌식 조사 과정에서 파일 내부에 포함된 정보의 파악이 미흡하여 잠재적인 증거를 놓칠 수 있는 위험에 노출될 수 있다. 따라서 본 논문에서는 아이폰에서 촬영된 HEIF 형식의 사진 파일과 갤럭시에서 촬영된 모션 포토 파일을 분석하여 파일 내부에 포함된 정보와 특징들을 알아본다. 또한 이미지 뷰어기능을 지원하는 소프트웨어를 대상으로 HEIF에 대한 지원 여부를 조사하고 HEIF 뷰어를 분석하는 포렌식 도구의 요구사항을 제시한다.

본 논문은 산업현장이 아닌 카페등 생활현장에서의 폐기용 컵 처리를 목적으로, 사람을 대신해 지능적이고 기구학적으로 효율적인 다관절 메니퓰레이터의 설계 방법을 연구하였다. 다양한 장소에서 인간을 대신하여 임의의 위치에 있는 다양한 폐기 컵을 3D 카메라로 인식하여 알맞은 위치로 분리수거하는 6축 수직 다관절 모듈형 매니퓰레이터의 안정적인 동작을 위하여 기구부를 Yaw-Pitch-Pitch-Pitch-Yaw-Yaw의 6축 구조로 설계하고, 이를 구동하기 위한 관절 구동기의 용량을 분석하여 관절 구동기를 선정하며 전체적인 이해와 효율적인 분석을 위해 기구 전체의 외관을 3D 모델링 프로그램을 이용하여 구현하고 동작을 검증하였다.

본 논문은 서비스 로봇 분야에서 역할을 수행하는 ROS 및 딥러닝 기반 모듈형 6자유도 매니퓰레이터의 설계 방법 및 성능 개선 결과를 제시한다. 기구적 설계, 모터 선정, 역 기구학 해석 방법 및 지능적 제어 방법에 대한 개선점과 향후 연구과제에 대해 다루었다. 특히 고정된 작업 반경 안에 있는 물체를 검출하고 이동시키는 방법을 딥러닝학습에 의해 정확도를 증가시키며, 임의의 위치에 존재하는 다양한 작업환경에서도 성공적인 작업수행이 가능하도록 수직 다관절 모듈형 매니퓰레이터를 설계하고 주요 성능을 검증하였으며 사용자의 사용 목적에 맞게 다양한 환경에서의 임무 수행이 가능하도록 설계하였다.

본 연구에서는 서비스 역할을 수행하는 6축 모듈형 매니퓰레이터 개발을 목표로 하며, 최종 기술 사양에 따른 설계를 진행하는 과정에서 기구의 섬세한 동작을 효율적으로 제어하기 위해 로봇 제어 소프트웨어의 오픈소스 환경인 ROS를 사용한다. 매니퓰레이터의 동작 설계를 ROS 기반에서 제어하기 위해 중요한 기본 환경을 구축하였으며, 특히 로봇 모델링을 위한 시각화를 위해 URDF파일에 해당 매니퓰레이터의 필수 파라미터값들을 지정하여 적용하였고, 전체 동작 시나리오에 맞춰 매니퓰레이터가 특정 자세를 취할 경우의 역기구학적인 해석과 그에 따른 경로를 생성하도록 매니퓰레이터의 라이브러리인 MoveIt을 활용하여 시각적으로 표현하고 시뮬레이션을 수행하였다. 또한, 설계한 ROS 환경 설계 방법을 바탕으로 MCU와의 통신을 통해 모터의 실시간 각도 값을 제어하고, 3D 깊이 카메라의 거리정보와 이미지 정보의 융합을 통해 로봇의 서비스 내용의 개선을 기대할 수 있다.

초목을 포함한 도로 환경에서, 초목 영역은 도로의 특성과 매우 유사하므로 주행 가능 영역으로 판단될 수 있다. 또한, 도로 검출을 위한 대부분의 U-V 시차 기반 하드웨어 시스템에서는 한 프레임의 시차가 모두 입력되기 전까지 다음 단계의 연산을 수행할 수 없는 문제가 있다. 이에 본 논문에서는 간단한 필터링 기법를 적용하여 초목을 포함한 도로 환경에서 즉각적으로 주행 가능 영역을 검출하는 방법 및 그 하드웨어 구조를 제안한다. 제안하는 방법은 93.08%의 정확도를 보인다. 또한, 제안하는 하드웨어 구조는 기존 방법보다 Slice LUTs 기준 60.26% 및 Slice Registers 기준 53.62% 적은 하드웨어 자원을 사용한다.

최근 드론산업이 발전하면서 다양한 드론 활용방법에 대한 연구와 특허 출원이 진행되고 있다. 드론에서 촬영된 사진은 실종자 수색, 농작물 생육 분석 등 다양한 목적을 위해서 활용되고 있으며, 다양한 분야에서 연구개발이 이루어지고 있다. 사진에 저장되는 정보는 실제 촬영 이미지와 다양한 메타데이터를 포함하고 있으나, 카메라 제조사별로 포함되는 메타데이터의 구성이 상이한 상태이다. 본고에서는 드론에서 촬영된 사진내의 메타데이터를 사전에 정의된 표준 명세를 만족할 수 있도록 메타데이터를 정합하는 응용프로그램을 제시하였다. 본 프로그램을 활용하여 현재 수행중인 DNA+드론기술 개발과제의 참여기업들이 촬영한 드론 사진내의 메타데이터의 표준화를 함으로써, 이를 활용하여 다양한 응용 기술 개발을 담당하는 참여기업들이 표준화된 데이터를 활용하여 보다 용이하게 개발이 가능할 것으로 예상된다.

최근 온라인 매체에서 무분별한 비속어나 욕설 사용이 늘어남에 따라 유해한 텍스트를 자동으로 필터링하는 시스템의 필요성이 증가하고 있다. 유해 텍스트 필터링 관련 기존의 접근방법은 채팅 프로그램 등 특정 프로그램에 한하여 적용이 되거나 특정 포탈의 웹페이지에 국한되어 적용이 되는 한계가 있다. 따라서 본 연구에서는 AI를 활용하여 모든 웹 페이지의 유해 텍스트를 필터링할 수 있는 Chrome Extension을 구현하고 그 유효성을 검증한다.

눈-손 협응력은 시각정보를 손의 운동 정보에 적용시키는 뇌의 능력으로 일상생활을 하거나 복잡한 운동 기술을 발휘하는데 필수적인 기능이다. 본 논문은 눈-손 협응 능력이 발달하는 과정에 있는 아동을 대상으로 게임을 통해 눈-손 협응력 훈련을 진행할 수 있는 가상현실 콘텐츠를 제작하였다. 제작된 가상현실 콘텐츠는 눈과 손 인터페이스를 통해 가상현실의 물체와 상호작용하도록 요구함으로써 게임형식으로 과제를 제공한다.

본 논문에서는 촬영한 피부 영상(얼굴, 손 등)을 이용한 생체신호(맥박, 호흡, 혈압, 체온 등) 측정 S/W 기술을 제안한다. 기존의 생체신호 측정 기술은 다양한 센서(PPG, 압력 센서, 혈압계, 체온계 등)가 탑재된 측정 장치를 이용하여 상태를 측정하고 이를 진단하는 연구들이 진행되어 왔다. 각 각의 생체신호를 측정하기 위해서는 별도로 구비된 측정 장치들을 이용하여 개별적으로 생체신호를 측정하고 확인하여야 한다. 제안된 기술은 스마트 디바이스에 생체신호 측정 S/W의 설치만으로 카메라로 촬영한 피부 영상의 피부 관심 영역에서 계산된 색상 데이터를 이용하여 다양한 생체신호를 언제 어디서나 실시간으로 측정할 수 있으며, 생체신호 측정 성능 평가 결과 맥박수 2.63%, 호흡수 5.98%, 이완기 혈압 2.48%, 수축기 혈압 5.23% 및 체온 0.25%의 오차율이 계산되었다.

빈혈의 유병률은 매년 증가하고 있으나 이를 가벼운 질병으로 인식해 치료 시기를 놓치는 환자들이 존재한다. 빈혈의 발생원인으로 혈액 내 헤모글로빈 및 헤모글로빈 내 철 부족이 있으며, 헤모글로빈 측정기술의 경우 채혈 이외에 사람의 신체 및 건강 정보를 적용한 사례는 찾아보기 어렵다. 본 논문에서는 신체(키, 몸무게 및 허리둘레) 및 건강 정보(혈청지오티, 이완기 혈압 및 감마지티피 등)가 포함된 건강검진 빅데이터를 이용하여 단일 특징에 대해 선형회귀분석을 수행하고, 다중 특징에 대해 다중회귀분석을 수행하여 회귀분석 식을 산출, 산출된 회귀분석 식을 통해 헤모글로빈을 추정하여 실제 헤모글로빈값과 오차율을 계산하고 비교한다. 실험 결과, 선형회귀분석 식을 통해 헤모글로빈을 추정하였을 때 평균 8.124%의 오차율이 계산되었으며, 다중회귀분석의 경우 선형회귀분석보다 낮은 6.767%의 오차율이 계산되었다.

해당 연구는 Insta evo 360° 카메라로 촬영한 Equirectangular 형태의 영상을 활용하여 보행자에게 위험한 차량을 구분한 후 실시간적으로 차량 접근 알림을 주는 시스템에 관한 연구이다. 360° 영상 속 위험 차량 탐지와 추적을 위해 파노라마와 일반도로 이미지 데이터 세트로 전이학습 된 You Look Only Once v5 (YOLOv5), 객체 추적 알고리즘 Simple Online and Realtime Tracking with a Deep Association Metric (DeepSORT), 그리고 실험을 통해 개발한 비 위험 차량 필터링 알고리즘을 활용한다. Insta evo 360° 카메라를 머리 위에 얹어 촬영한 영상을 개발한 최종 시스템에 적용한 결과, 약 90% 정확도로 영상에서 비 위험 차량과 위험 차량을 구분할 수 있고, 위험 차량의 경우 차량의 방향을 시각적으로 알려줄 수 있다. 본 연구를 바탕으로 보행자 시야각 외부의 위험 차량에 대한 경고 알림을 주어 보행자 교통사고 발생 가능성을 줄이고, 전방위를 볼 수 있는 360° 카메라의 활용 분야가 보행 안전 시스템뿐만 아니라 더 다양해질 것으로 기대한다.

본 논문에서는 사각형 실내 공간에서 점군 데이터를 기반으로 빠르고 정확하게 바닥, 천장, 벽면에 대한 평면 정보를 획득할 수 있는 시스템을 제안한다. 기존의 방법은 관측되지 않은 공간에 대한 평면을 예측할 수 없으며, 노이즈에 취약하고, 모든 점에 대한 기저 정보를 알아야하기 때문에 많은 연산량을 요구한다. 제안 방법은 기존의 평면 검출 방식에서 벗어나 Bounding Box 형상을 예측하는 기술을 활용한다. 또한, 제안 시스템은 구면 파노라마 비디오를 기반으로 적은 수의 프레임으로도 빠르게 실시간 점군 데이터를 확장해나간다. 제안 방법은 실험을 통해 기존의 방법보다 월등히 빠르고, 노이즈 등 환경 제약 요소에 강건함을 보인다.

최근 가상 휴먼은 국방, 의료, 교육, 엔터테인먼트 등 다양한 분야에서 널리 활용되고 있다. 가상 휴먼을 이용한 상호작용은 사용자가 현실 세계의 실제 친구와 대화하는 것처럼 자연스럽게 소통하는 방식으로 운용이 되고, 이를 위해서는 사용자의 음성, 동작, 감정 등 다양한 입력을 기반으로 반응하는 가상 휴먼 출력 등 상호작용 매핑 관계를 제작하여야 한다. 하지만, 기존 가상 휴먼 상호작용 방법은 미리 정해진 패턴을 수작업인 프로그래밍을 통해 제작하여 개발 기간이 오래 걸리고, 수정이 용이하지 못한 단점이 있다. 본 논문에서는 가상 휴먼 상호작용을 위해 음성, 동작, 감정 등 사용자의 멀티모달 입력과 가상 휴먼 반응에 대한 저작을 수행하는 툴킷을 제시한다. 본 논문에서 제시한 저작도구를 통해 쉽고 빠르게 사용자와 가상 휴먼 상호작용 표현을 생성할 수 있다.

Due to the important role of avatars in computer-mediated communication (CMC), a growing number of CMC-based services now support avatar customization options. However, in many cases, customization and personalization options are limited to visual features. In this paper, we propose and describe a prototype for a vocal customization web application. Titled Voice Creator, the app is designed for both able-bodied and speech- or hearing-impaired users who seek to communicate anonymously using digital voice identities.