• 인터넷정보학회논문지
• /
• 제22권2호
• /
• pp.29-39
• /
• 2021

새롭게 발생되는 사이버 공격으로 인해 개인, 민간 및 기업의 피해가 증가함에 따라, 이에 기반이 되는 네트워크 보안 문제는 컴퓨터 시스템의 주요 문제로 부각되었다. 이에 기존에 사용되는 네트워크 침입 탐지 시스템(Network Intrusion Detection System: NIDS)에서 발생되는 한계점을 개선하고자 기계 학습과 딥러닝을 활용한 연구 이뤄지고 있다. 이에 본 연구에서는 CNN(Convolution Neural Network) 알고리즘을 이용한 NIDS 모델 연구를 진행한다. 이미지 분류 기반의 CNN 알고리즘 학습을 위해 기존 사용되는 전처리 단계에서 연속성 변수 이산화(Discretization of Continuous) 알고리즘을 추가하여 예측 변수에 대해 선형 관계로 표현하여 해석에 용이한 데이터로 변환 후, 정사각형 행렬(Square Matrix) 구조에 매칭된 픽셀(Pixel) 이미지 구조를 모델에 학습한다. 모델의 성능 평가를 위해 네트워크 패킷 데이터인 NSL-KDD를 사용하였으며, 정확도(Accuracy), 정밀도(Precision), 재현율(Recall) 및 조화평균(F1-score)을 성능지표로 사용하였다. 실험 결과 제안된 모델에서 85%의 정확도로 가장 높은 성능을 보였으며, 학습 표본이 적은 R2L 클래스의 조화평균이 71% 성능으로 다른 모델에 비해서 매우 좋은 성능을 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권3호
• /
• pp.91-98
• /
• 2021

오늘날 정보통신 기술이 급격하게 발달하면서 IT 인프라에서 보안의 중요성이 높아졌고 동시에 지능형 지속 공격(Advanced Persistent Threat)처럼 고도화되고 다양한 형태의 사이버 공격이 증가하고 있다. 점점 더 고도화되는 사이버 공격을 조기에 방어하거나 예측하는 것은 매우 중요한 사안으로, NIDS(Network-based Intrusion Detection System) 관련 데이터 분석만으로는 빠르게 변형하는 사이버 공격을 방어하지 못하는 경우가 많이 보고되고 있다. 따라서 현재는 HIDS(Host-based Intrusion Detection System) 데이터 분석을 통해서 위와 같은 사이버 공격을 방어하는데 침입 탐지 시스템에서 생성된 데이터를 이용하고 있다. 본 논문에서는 기존에 사용되었던 데이터 세트에서 결여된 스레드 정보, 메타 데이터 및 버퍼 데이터를 포함한 LID-DS(Leipzig Intrusion Detection-Data Set) 호스트 기반 침입 탐지 데이터를 이용하여 기계학습 알고리즘에 관한 비교 연구를 진행했다. 사용한 알고리즘은 Decision Tree, Naive Bayes, MLP(Multi-Layer Perceptron), Logistic Regression, LSTM(Long Short-Term Memory model), RNN(Recurrent Neural Network)을 사용했다. 평가를 위해 Accuracy, Precision, Recall, F1-Score 지표와 오류율을 측정했다. 그 결과 LSTM 알고리즘의 정확성이 가장 높았다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.177-193
• /
• 2014

개인정보 분야에서의 다양한 정보 보안 이슈가 발생함에 따라 해당 분야의 전문가를 확인하기 위한 프레임워크는 매우 중요한 영역이 되었다. 전문가 탐색과정은 주로 연구 업적 등을 통한 주관적인 평가가 일반적이지만 보다 객관적인 방식을 통한 선정이 매우 중요하다. 소셜 네트워크 분석기법의 응용이 다양한 영역에서 활용됨에 따라 본 연구는 개인정보보호분야의 전문가를 확인하고 해당 전문가들의 연구실적을 판단하기 위한 분석 프레임워크를 제시하고자 하였다. 본 연구는 연구 목적에 따라 개인정보보호 연구영역의 연구성과 자료를 바탕으로 소셜 네트워크 분석을 실시하고 핵심연구자의 성과를 분석하였다. 수집된 데이터는 연구의 공저자, 발행기관, 소속기관 등의 네트워크 구성에 활용되어 핵심전문가 집단을 관리하기 위한 프레임워크를 제시하였다. 본 연구는 NDSL에서 최근 5년 동안 발표된 논문들을 중심으로 자료를 수집하였다. 연구자들이 학술 정보를 교환하는 정기 간행물인 학술지를 바탕으로 연구 네트워크를 형성하는 네트워크 자료를 수집함으로써 연구활동에 대한 정보를 분석할 수 있었다. 일반적으로 연구자들은 연구 결과를 논문으로 발표하고, 발표된 논문들이 다수의 관련 분야 전문가들에게 공유된다는 점에서 학술연구지는 연구자들의 지식관련 의사소통 공간이며 지식의 구조화에 핵심적인 역할을 수행한다. 그에 따라 본 연구의 연구 대상 분야로 설정한 개인정보보호 분야의 연구 구조를 이해하기 위해 국내에서 발표된 관련 분야의 논문들을 연구 대상으로 자료가 수집되었다. 특히 자료의 선별 기준은 국내 최대의 데이터베이스를 보유하고 있는 NDSL에서 개인정보보호 관련 키워드를 보유한 논문 데이터를 수집 및 정제하여 분석 자료로 사용하였다. 2005년부터 2013년까지 약 2,000개의 연구결과 중 주제 관련성, 공저자 추출 등을 수집하였다. 데이터 수집 이후 연구 분석을 위한 데이터 처리를 통하여 통해 총 784개의 논문을 선정하고 분석대상으로 확정하였다. 분석 결과, 개인정보보호 연구영역의 전문가 집단을 이용한 연구논문 성과에 대한 분석은 핵심 연구자들을 추출해내고 전문가 집단을 관리하는 데 도움을 제공할 수 있다. 특히 소속집단 및 연구논문 발행기관을 분석함으로써 개인정보보호 연구영역에서 확인되지 않았던 연구자들의 연구 논문 게재의 공저자 네트워크가 매우 밀접함을 확인할 수 있다. 또한 연구논문의 발행기관 및 소속집단의 특성을 추출함으로써 개인정보보호 영역의 전문가 평가지표로서 소셜 네트워크 지표들의 활용가능성을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권3호
• /
• pp.265-282
• /
• 2022

해수면 온도(Sea surface temperature, SST)는 지구시스템에서 해양의 순환과 생태계에 큰 영향을 주는 요소이다. 지구온난화로 한반도 근해 해수면 온도에 변화가 생기면서 이상 수온(고수온, 저수온) 현상이 발생하여 해양생태계와 수산업 피해를 지속적으로 발생시키고 있다. 따라서 본 연구는 한반도 근해 해수면 온도를 예측하여 이상 수온 현상 예측으로 피해를 예방하는 방법론을 제안한다. 연구 지역은 한반도 근해로 설정하여 동시간대 해수면 온도 데이터를 사용하기 위해 Europe Centre for Medium-Range Weather Forecasts (ECMWF)의 ERA5 자료를 사용하였다. 연구방법으로는 해수면 온도 데이터의 시계열 특징을 고려하여 딥러닝 모델 중 시계열 데이터 예측에 특화된 Long Short-Term Memory (LSTM) 알고리즘을 이용하였다. 예측 모델은 1~7일 이후 한반도 근해 해수면 온도를 예측하고 고수온(High water temperature, HWT) 혹은 저수온(Low water temperature, LWT) 현상을 예측한다. 해수면 온도 예측 정확도 평가를 위해 결정계수(Coefficient of determination, R²), 평균제곱근 편차(Root Mean Squared Error, RMSE), 평균 절대 백분율 오차(Mean Absolute Percentage Error, MAPE) 지표를 사용하였다. 예측 모델의 여름철(JAS) 1일 예측 결과는 R²=0.996, RMSE=0.119℃, MAPE=0.352% 이고, 겨울철(JFM) 1일 예측 결과는 R²=0.999, RMSE=0.063℃, MAPE=0.646% 이었다. 예측한 해수면 온도를 이용하여 이상 수온 예측 정확도 평가를 F1 Score로 수행하였다(여름철(2021/08/05) 고수온 예측 결과 F1 Score=0.98, 겨울철(2021/02/19) 저수온 예측 결과 F1 Score=1.0). 예측 기간이 증가하면서 예측 모델이 해수면 온도를 과소추정하는 경향을 보여주었고, 이로 인해 이상 수온 예측 정확도 또한 낮아졌다. 따라서, 향후 예측 모델의 과소추정 원인을 분석하고 예측 정확도 향상을 위한 연구가 필요할 것으로 판단된다.

• 한국정보과학회논문지:시스템및이론
• /
• 제34권10호
• /
• pp.493-501
• /
• 2007

부정확한 실시간시스템은 시간적으로 긴급한 태스크들을 융통성있게 스케줄링해줄 수 있다. 총 오류를 최소화시키면서 0/1제약조건과 시간적 제약조건들을 모두 만족시키는 대부분의 스케줄링문제들은 선택적 태스크들이 임의의 수행시간을 갖고 있을 때 NP-complete이다. Liu는 단일처리기상에서 0/1제약조건을 갖는 태스크들을 총 오류가 최소화되도록 스케줄링시킬 수 있는 합리적인 전략을 제시하였다. 또한, 송 등은 다중처리기상에서 0/1제약조건을 갖는 태스크들을 총 오류가 최소화되도록 스케줄링시킬 수 있는 합리적인 전략을 제시하였다. 그러나, 이러한 알고리즘들은 모두 오프라인 알고리즘들이다. 그런데, 온라인 스케줄링에 있어서, NORA알고리즘은 부정확한 온라인 태스크 시스템상에서 최소의 총 오류를 갖는 스케줄을 찾을 수 있다. 이러한 NORA알고리즘에 있어서, EDF전략이 선택적 스케줄링에 적용되었다. 한편, 0/1 제약조건을 갖는 태스크시스템에 있어서는, EDF스케줄링이 총 오류가 최소화된다는 측면에서 최적이 아닐수도 있다 더욱이, 선택적 태스크들이 그들의 실행요구시간의 오름차순으로 스케쥴될 때, EBF전략이 적용된 NORA알고리즘이 최소의 총오류를 산출할 수 없을지도 모른다. 그러므로, 본 논문에서는, 0/1제약조건을 갖는 부정확한 태스크 시스템의 총 오류를 최소화시키는 온라인 알고리즘이 제안되었다. 그리고나서, 제시된 알고리즘과 NORA 알고리즘 사이의 성능을 비교하기 위하여 여러 가지 실험들이 수행되었다. 두 알고리즘들 사이의 성능비교의 결과로서, 선택적 태스크들이 그들의 실행요구시간들의 임의의 순서대로 스케줄 될 때는 제안된 알고리즘이 NORA알고리즘과 비슷한 총 오류를 산출하지만 특별히 선택적 태스크들이 그들의 실행요구시간들의 오름차순으로 스케줄 될 때는 제안된 알고리즘이 NORA알고리즘보다 더 적은 총 오류를 산출할 수 있음이 밝혀졌다. 프라이버시 문제를 해결하도록 방안을 제시한다. 구간 보안 역시 완전한 솔루션을 제시하고 있지는 않다. 본 논문에서는 이러한 취약성을 고찰하고 그에 따른 대응방안을 제시하였다.긴 경우가 1예 있었으며, 수술 후 30일내 사망한 예가 1예였고 다른 1예는 전이성 암으로 사망하였다. 걸론: 근치적 방법으로 치료가 힘든 경우의 만성 농흉 환자들에게 있어 개방식 배농술과 근육이식술, 근육피판을 이용한 최종적인 개방창 폐쇄술까지의 단계적인 접근 방법이 안전하고 효과적인 대안이 될 수 있을 것으로 생각한다.만으로 야뇨횟수에 호전을 보이는 초기반응군 경우 2개월째 투약반응이 유의하게 좋았다. 이로써 야뇨증의 치료초기 행동요법에 대한 반응정도는 치료효과를 예측하는 지표로서 활용될 수 있다고 판단된다.지침을 제공할 수 있다. 소아의 첫 요로감염시 초음파나 $^{99m}Tc$-DMSA 신장 스캔상에서 양성소견이 있을 경우 배뇨성 방광 요도 조영술 검사를 시행하는 것이 좋으며, 초음파와 $^{99m}Tc$-DMSA 신장 스캔상에서 양성소견이 없을 경우라도 CRP 또는 백혈구 등의 임상자료들을 평가하여 배뇨성 방광 요도 조영술 검사를 시행유무를 결정하는 것이 잔존하는 방광요관역류를 찾는데 도움이 될 것으로 생각된다.O$로 고칼슘뇨군에서 더 농축된 소변을 보았다(P=0.003). 결론 :고칼슘뇨군의 소변화학검사의 가장 특징적인 소견은 요소 배설과 사구체여과율의 증가로서 이는 고칼슘뇨군이 비고칼슘뇨군에 비하여 고단백식이를 하고 있을 가능성을 시사한다. 나트륨과 칼슘은 사구체 여과가 증가함에 따라 원위세뇨관 및 집합관에 도달하는 양도 증가하고 그 곳에서 나트륨의 재흡수 기전이 매우 정교하게 이루어지는데 비하여 칼슘의 그 것은 그렇지 못하여 고칼슘뇨증을 일으켰을 가능성이 있다. 향후 고칼슘뇨 환아를 진료함에 있어서 단백질 섭취 등식이