• 정보처리학회논문지C
• /
• 제14C권5호
• /
• pp.439-452
• /
• 2007

본 논문에서는 랜덤화 기법을 이용한 프라이버시 보존형 데이터 마이닝(PPDM) 기술에 대하여 논한다. 계산 효율성 때문에 실용화 되지 못하고 있는 안전한 다자간 계산(SMC) 기반 PPDM은 현재의 컴퓨팅 환경에서는 실용성 없는 다분히 이론적인 것이다. 그래서 우리는 실용적인 PPDM 기술에 집중하여 가장 널리 사용되고 있는 랜덤화 기법에 대한 연구 결과를 소개한다. 특히, 랜덤화를 이용한 실용적인 PPDM 분야에서 가장 중요한 프라이버시 측도 개념을 심도 있게 분석하였으며, 연관규칙 마이닝에서의 프라이버시 보호 기술에 초점을 맞춘다. Evfimievski 등이 제안한 select-a-size 범주에 속하는 새로운 랜덤화 작용소인 binomial-selector 개념을 제안하고, 적절한 파라미터를 찾기 위한 시뮬레이션 결과를 제시한다. 기존의 cut-and-paste 랜덤화 작용소는 아이템 집합이 큰 경우에는 매우 비효율적이며 복원된 지지도의 분산이 크다는 단점을 지니고 있다. 여기에서 제안하는 binomial-selector 랜덤화 작용소는 cut-and-paste 작용소가 갖는 단점들을 보완한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 춘계학술발표대회
• /
• pp.1061-1064
• /
• 2008

SMC로 불리는 안전한 다자간 계산 프로토콜은 이론적으로 완벽한 프라이버시 보호 기능 및 데이터 정확성을 가지고 있지만 현재의 컴퓨팅 환경에서는 구현이 불가능할 정도로 비효율적이다. 매우 효율적이어서 실용화 되어 있는 랜덤화 기법은 상대적으로 낮은 수준의 프라이버시 보호 기능을 지니고 있다. 최근 SMC와 랜덤화 기법을 적절히 혼합한 형태의 프라이버시 보호 기술이 Teng-Du(2007)에 의해서 제안되었다. 본 논문에서 우리는 Teng-Du의 기법을 면밀히 분석하여 새롭게 구현한 연구 결과를 제시한다. SMC 기술로는 Vaidya-Clifton의 스칼라곱 프로토콜을 채택하고, Agrawal-Jayant-Haritsa가 제안한 랜덤대치 기법을 랜덤화 기술로 선택하여 복합적으로 사용한 프라이버시 보호 기법을 제안한다.

• Journal of the Korean Data and Information Science Society
• /
• 제22권6호
• /
• pp.1105-1112
• /
• 2011

반복이 있는 랜덤화 블록 계획법을 검정하는 검정법은 Mack (1981), Skilling과 Wolfe (1977, 1978), Hettmansperger (1975)가 제안한 방법이 있다. 본 논문에서는 Orban과 Wolfe (1982)가 제안한 위치와 Kim (1999)이 제안한 대조군과 처리군의 방법을 확장하여 반복이 있는 랜덤화 블록 모형에서 새로운 방법을 제안하였다. 또한 모의 실험을 통하여 다른 비모수 검정 방법들과 모수 검정 방법의 검정력을 비교하였다.

• 한국정보통신학회논문지
• /
• 제23권7호
• /
• pp.875-880
• /
• 2019

RC4 스트림 암호화는 내부 구현이 간단하고 빠르게 암호화 할 수 있는 초경량 암호화 알고리즘으로 IEEE 802.11의 WEP와 IEEE 802.11i의 TKIP 등에 널리 이용되고 있다. RC4는 IoT 등의 제한적 자원을 갖는 시스템들에도 사용되지만 성능상 제약이 있다. RC4 암호화는 S-배열과 K-배열의 초기화 및 랜덤화를 수행하는 KSA(Key Scheduling Algorithm)와 랜덤화된 S-배열을 이용하여 암호문을 생성하는 PRGA(Pseudo-Random Generation Algorithm)의 두 단계로 구성된다. 본 논문에서는 KSA에서 발생하는 초기화 지연시간을 줄이기 위해, 랜덤화 과정에 초기화를 삽입하여 함께 처리한다. KSA의 랜덤화에서 교환(swap) 작업과 PRGA의 암호문 생성은 클러스터를 이용하여 매 클록마다 두 개의 교환 및 암호문이 생성되도록 하였다. 제안된 RC4 암호화 하드웨어 구조는 초기화 지연시간이 발생하지 않으며, 랜덤화와 키 스트림 생성율에서 다른 연구들과 비교하여 약 2배에서 6배의 성능이 향상되었다.

• 응용통계연구
• /
• 제27권1호
• /
• pp.61-70
• /
• 2014

랜덤화 블록 계획법은 동질적인 실험단위를 묶어 여러 개의 블록으로 나눈 후, 각 블록의 실험단위에 처리를 적용하는 방법이다. 랜덤화 블록 계획법에서 Jonkckheere (1964)와 Terpstra (1952), Page (1963) 그리고 Hollander (1967) 등이 순서대립가설의 다양한 방법을 제안하였다. 특히, 블록 내 순위합의 가중치를 주는 방법으로 Page (1963) 검정법이 있다. 본 논문에서는 Page 검정을 확장하여 순서대립가설에 새로운 비모수적 방법론을 제안하였다. 또한, 몬테카를로 모의시험 연구를 통해 제안된 방법과 이전의 방법들의 검정력을 비교하였다.

• 응용통계연구
• /
• 제29권7호
• /
• pp.1411-1419
• /
• 2016

랜덤화 블록 계획법을 검정하는 비모수적 방법에는 일반적인 대립가설에서 Friedman (1937)이 제안한 검정법이 있다. 이 방법은 처리 효과의 차이를 알아보기 위한 검정법으로 블록 내 순위를 사용해 검정함으로써 블록 간 정보의 손실이 있을 수 있다. 본 논문에서는 Hodges와 Lehmann (1962)이 제안한 정렬방법을 이용하여 블록 간 정보 손실을 줄이고, Jo와 Kim (2013)이 제안한 랜덤화 블록 계획법의 결합위치 방법을 확장하여 결합위치에 점수함수를 적용한 새로운 비모수적 방법을 제시하였다. 또한 Monte carlo simulation을 통하여 기존의 검정 방법과 제안한 검정법의 검정력을 비교하였다.

• 응용통계연구
• /
• 제30권2호
• /
• pp.291-299
• /
• 2017

반복이 있는 랜덤화 블록 계획법을 검정하는 비모수 검정방법에는 Mack과 Skillings (1980), Mack (1981)가 제안한 방법이 있다. 본 논문에서는 Hodges와 Lehmann (1962)의 정렬 방법과 Chung과 Kim (2007)이 제안한 결합위치 검정법을 확장하여 반복이 있는 랜덤화 블록 모형에서 새로운 비모수적 방법을 제시하였다. 또한 모의실험을 통해 모수적 방법과 기존의 비모수적 방법과의 검정력을 비교하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권1호
• /
• pp.95-103
• /
• 2013

랜덤화 블록 모형에서 처리 간의 차이 유무를 검정하는 비모수 방법은 일반 대립가설에서는 Friedman (1937)이, 순서 대립가설에서는 Page (1963)가 제안한 검정법이 있다. 이 방법은 각 블록 내 처리 간의 순위를 이용하여 처리 간의 차이를 검정하는 검정법이다. 본 논문에서는 Hodges와 Lehmann (1962)의 정렬 방법과 Chung과 Kim (2007)이 제안한 결합위치 검정법을 확장하여 랜덤화 블록 모형에서 새로운 비모수적 방법을 제시하였다. 또한, 모의실험을 통하여 모수적 방법과 기존의 비모수적 방법과의 검정력을 비교하였다.

• 응용통계연구
• /
• 제29권4호
• /
• pp.707-717
• /
• 2016

랜덤화 블록 계획법을 검정하는 비모수 방법은 일반 대립가설에서 Friedman (1937), 순서형 대립가설에서 Page (1963)가 제안한 방법이 있다. 이 방법은 각 블록 내 처리 간 순위를 이용해 처리 간의 차이를 검정하는 방법이다. 본 논문에서는 Hodges와 Lehmann (1962)이 제안한 정렬방법을 이용하여 블록 간 정보의 손실을 줄이고, Orban과 Wolfe (1982)가 제안한 위치를 확장하여, Kim (1999)이 제안한 대조군과 처리군의 방법을 이용하여 랜덤화 블록 모형에서 새로운 비모수 검정 방법을 제안하였다. 또한 Monte Carlo 모의실험을 통해 제안방법과 기존의 검정 방법을 비교하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.253-255
• /
• 2016

본 논문에서는 다중 지역 이진 패턴(Multi-scale Bock LBP, MB-LBP) 특징과 랜덤 포레스트에 기반한 새로운 기법의 머리 방향 분류 기법을 제안한다. 제안 기법에서는 occlusion 과 조명의 변화에 강인한 분류 정확도를 얻기 위해서 랜덤화된 트리를 학습하는 것을 목표로 한다. 우선, 얼굴 이미지로부터 많은 MB-LBP 특징을 추출하고, 얼굴 영상들을 랜덤하게 입력하고 MB-LBP 크기 파라미터와 같은 랜덤 특징과 블록 좌표들을 사용하여 트리를 생성한다. 게다가 각 노드에서 정보 이득을 최대화 하는 트리의 내부 노드를 생성하기 위해서 uniform LBP 의 특성을 고려한 분할 함수를 개발한다. 랜덤화된 트리는 랜덤 포레스트에 포함되어 있으며 마지막 결정단계에서 Maximum-A-Posteriori criterion 으로 최종 결정을 한다. 실험 결과는 제안 기법이 다양한 조명, 자세, 표현, occlusion 상황에서 기존의 방법보다 개선된 성능으로 머리 방향을 분류 할 수 있음을 보여준다.