• 한국정보과학회논문지:시스템및이론
• /
• 제34권9호
• /
• pp.425-434
• /
• 2007

NGI나 Internet2와 같은 프로젝트로 인해 인터넷 백본 속도가 상당히 높아졌음에도 불구하고, 분산된 응용 프로그램들은 고성능의 네트워크를 제대로 활용하지 못하고 있다. 이러한 현상이 발생하는 원인으로 표준 전송 프로토콜(TCP)을 들 수 있다. TCP는 안전성/신뢰성을 보장하기 위해 설계되어 있으나, 이로 인해 발생될 수 있는 성능 저하에 관한 문제는 고려되지 않았다. 이러한 문제를 해결하고자 여러 기술들이 연구되고 있으며, 그 중 병렬 전송 기술은 응용레벨에서 다중 스트림을 이용하여 데이타를 전송하는 기술로써, 호환성 문제까지 해결하고 있다. 최근 병렬 전송 기술을 연구하는 연구자들은 최적의 병렬연결 개수의 범위를 찾는데 연구의 초점을 맞추고 있다. 그러나 이러한 연구들에서는 최적의 병렬연결 개수를 실험을 통해 경험적으로 결정하고 있으며, 데이타를 전송하는 호스트의 성능이나 전송 거리는 고려하지 않고 있다. 따라서 본 논문에서는 호스트의 성능과 병렬 전송과의 관계, 전송 거리와 병렬 전송 관계를 분석하고, 그 결과를 토대로 효율적이면서 최대 전송 성능을 확보할 수 있는 최적의 병렬연결 개수 결정 메커니즘을 논의하고자 한다.

• 정보처리학회논문지A
• /
• 제9A권2호
• /
• pp.137-146
• /
• 2002

VOD 서버는 비디오와 같은 연속미디어를 여러 사용자에게 매끄럽게 서비스하기 위해 데이터의 일부를 미리 서버 버퍼로 읽어 들여 정교하게 관리한다. 이때 서버 버퍼로 읽어 들인 연속미디어 데이터를 다른 사용자가 재사용하면 저장장치로의 접근 횟수가 줄어들고 사용자의 대기 시간이 감소된다. 본 논문에서는 서버의 버퍼를 그룹으로 분할하고 각 그룹에서 활용도가 가장 낮은 버퍼 공간을 동적으로 재분할하여 새로운 사용자에게 할당하는 동적 버퍼 분할 기법을 제안하고, 이를 다중 스트림과 클립 데이터, 그리고 VCR 기능을 처리하도록 확장한다. 제안된 기법에서는 버퍼 활용도가 높아져 병행 사용자의 수가 증가되고, 저장장치의 대역폭 한계에 서서히 도달하여 사용자의 평균 대기시간이 감소된다. 시뮬레이션을 통해 동적 버퍼 분할 기법과 기존의 버퍼 분할 기법에 대한 사용자 평균 대기시간과 병행 사용자의 수를 관찰한 결과, 평균 대기 시간은 최소 50% 이상 감소되고 병행 사용자의 수는 1∼7% 증가함을 확인하였다.

• 한국통신학회논문지
• /
• 제41권5호
• /
• pp.531-538
• /
• 2016

본 논문에서는 동일대역에서 동시에 다중스트림을 송수신하는 MIMO-IBFD 시스템을 제안하고 이 시스템의 기본 구조를 분석하였다. MIMO-IBFD 시스템은 기존의 IBFD 시스템보다 많은 수의 RF 영역 및 디지털 영역의 자기간섭제거 기술이 요구됨을 파악하였다. 시뮬레이션을 통하여 기본적인 $2{\times}2$ MIMO 시스템과 $2{\times}2$ MIMO-IBFD 시스템의 BER 성능 특성을 비교 분석하였다. 시뮬레이션 결과를 통해, 다단계의 RF 및 디지털 영역의 자기간섭신호 제거 기술을 사용하여 다양한 특성의 자기간섭신호를 제거하고 상대국에서 보낸 목표신호를 수신할 수 있음을 확인하였으며, 저차 변조에서는 $2{\times}2$ MIMO-IBFD 시스템은 선형조건에서 기존의 $2{\times}2$ MIMO 시스템과 유사한 성능을 낼 수 있는 것을 확인하였다. 그러나 변조의 차수가 증가할수록 성능 열화의 정도가 더욱 심해지는 것을 확인할 수 있다. 따라서 MIMO-IBFD 시스템이 고차변조를 이용하기 위해서는 더욱 높은 수준의 자기간섭제거 기술이 요구됨을 확인할 수 있다.

• 지능정보연구
• /
• 제29권4호
• /
• pp.165-184
• /
• 2023

최근 구글의 BERT, OpenAI의 GPT 등, 언어모델(Language Model)을 사용한 비정형 텍스트 데이터에 대한 딥러닝(Deep Learning) 분석이 다양한 응용에서 괄목할 성과를 나타내고 있다. 대부분의 언어모델은 사전학습 데이터로부터 범용적인 언어정보를 학습하고, 이후 미세 조정(Fine-Tuning) 과정을 통해 다운스트림 태스크(Downstream Task)에 맞추어 갱신되는 방식으로 사용되고 있다. 하지만 최근 이러한 언어모델을 사용하는 과정에서 프라이버시가 침해될 수 있다는 우려가 제기되고 있다. 즉 데이터 소유자가 언어모델의 미세 조정을 수행하기 위해 다량의 데이터를 모델 소유자에게 제공하는 과정에서 데이터의 프라이버시가 침해될 수 있으며, 반대로 모델 소유자가 모델 전체를 데이터 소유자에게 공개하면 모델의 구조 및 가중치가 공개되어 모델의 프라이버시가 침해될 수 있다는 것이다. 이러한 상황에서 프라이버시를 보호하며 언어모델의 미세 조정을 수행하기 위해 최근 오프사이트 튜닝(Offsite Tuning)의 개념이 제안되었으나, 해당 연구는 제안 방법론을 텍스트 분류 모델에 적용하는 구체적인 방안을 제시하지 못했다는 한계를 갖는다. 이에 본 연구에서는 한글 문서에 대한 다중 분류 미세 조정 수행 시, 모델과 데이터의 프라이버시를 보호하기 위해 분류기를 추가한 오프사이트 튜닝을 적용하는 구체적인 방법을 제시한다. 제안 방법론의 성능을 평가하기 위해 AIHub에서 제공하는 ICT, 전기, 전자, 기계, 그리고 의학 총 5개의 대분야로 구성된 약 20만건의 한글 데이터에 대해 실험을 수행한 결과, 제안하는 플러그인 모델이 제로 샷 모델 및 오프사이트 모델에 비해 분류 정확도 측면에서 우수한 성능을 나타냄을 확인하였다.