• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.5-6
• /
• 2021

본 논문에서는 Semi-supervised Learning 방식의 이상감지 방법을 제안한다. 취득한 소음 데이터를 이미지화 시킨 후 Convolution AutoEncoder 학습 방법을 이용하여 모델을 학습한다. 고장 데이터와 정상 데이터 간의 데이터 불균형 문제가 대두되기 때문에 정상 데이터만을 활용한 이상감지는 실제 산업현장의 상황에 알맞게 사용할 수 있을 것이라 기대한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.667-669
• /
• 2022

최근 고도화 되고 있는 인공지능 기술은 복잡한 데이터 속에서 내재된 인사이트를 발견하여 상태 변화를 진단하고 예측하는데 활용되고 있다. 이러한 첨단 기술을 활용하여, 원자력 발전소에서 공정상태가 비정상 또는 비상 상태로 악화되기 전에 운전원이 인지할 수 있다면 공정상태를 정상으로 회복하는데 도움을 줄 수 있다. 이 논문에서는 공정상태 판단을 위한 딥러닝 모델을 활용하는 지능형 조기 경고 개념을 제안한다. 공정상태의 변화 추세를 예측하는 목적으로 사용하는 지능형 조기 경고는 기존 경보 보다 단순화된 상태 천이 메커니즘을 사용하여 운전원의 부담이 증가하지 않도록 한다. 또한, 사고 시나리오 데이터로 딥러닝 모델로 학습하고 지능형 조기 경고 화면을 구현하여 운전원을 지원하기 위한 구현방향을 제시한다.

• 정보보호학회논문지
• /
• 제27권6호
• /
• pp.1385-1395
• /
• 2017

본 논문에서는 정상과 이상 트래픽이 불균형적으로 발생하는 상황에서 기계 학습 기반의 효과적인 침입 탐지 시스템에 관한 연구 결과를 소개한다. 훈련 데이터의 패턴을 학습하여 정상/이상 패킷을 탐지하는 기계 학습 기반의 IDS에서는 훈련 데이터의 클래스 불균형 정도에 따라 탐지 성능이 현저히 차이가 날 수 있으나, IDS 개발 시 이러한 문제에 대한 고려는 부족한 실정이다. 클래스 불균형 데이터가 발생하는 환경에서도 우수한 탐지 성능을 제공하는 기계 학습 알고리즘을 선정하기 위하여, 본 논문에서는 Kyoto 2006+ 데이터셋을 이용하여 정상 대 침입 클래스 비율이 서로 다른 클래스 불균형 훈련 데이터를 구축하고 다양한 기계 학습 알고리즘의 인식 성능을 분석하였다. 실험 결과, 대부분의 지도 학습 알고리즘이 좋은 성능을 보인 가운데, Random Forest 알고리즘이 다양한 실험 환경에서 최고의 성능을 보였다.

• 한국학교보건학회지
• /
• 제5권1호
• /
• pp.84-91
• /
• 1992

본 조사는 1989년 5월 비교적 생활 수준이 높은 대구 시내 5 개 국 사립 국민학교 5학년 학생을 대상으로 이들의 신장과 체중을 이용해, Body Mass Index를 구하고 Triceps Skinfold Thickness를 측정하는 한편, 설문지를 통해 아동의 식사 행태, 운동상황, 아동의 건강 관리에 대한 어머니의 관심도 및 생활 양상 등을 조사하고 BMI를 이용해서 비만군과 정상군을 구분 선정하여 비만군 245명, 정상군 327명, 총 572명을 대상으로 비교, 검토한 결과는 다음과 갈다. 비만군의 평균 신장은 143.9cm로 정상군의 139.4cm보다 컸으며 평균 체중은 비만군 정상군이 각각 44.1kg. 31.7kg으로 나타나 양 군에서 유의한 차이를 보였다. Triceps Skinfold Thickness는 비만군이 11.0mm, 정상군이 7.5mm로 비만군이 높게 나타났으며 비만군의 부모의 체중 및 BMI는 정상군의 부모보다 높은 수치를 보였다. 비만군의 이유 완료 시기는 정상군보다 빠른 경향을 보였다. 비만군이 저녁 식사 시간이 가장 식욕이 좋다고 말한 반면 정상군은 점심 식사 시간으로 나타나 유의한 관련성을 보였다. 비만군은 정상군에 비해 체육 시간을 싫어하는 경향이 뚜렷했으며 특히 줄넘기, 육상, 체조 및 철봉에서는 유의한 관련성을 보였다. 아동의 건강관리에 대한 관심은 비만군외 어머니가 정상군의 어머니에 비해 식사량의 규제를 많이 하는 것으로 나타났으며 운동에 대한 관심에서도 같은 결과를 보였다. 이상에서 살펴 본 바와 같이 비만은 유전적인 영향과도 관련이 되고 유아기부터의 식사 행동 및 생장기의 식습관과 활동 상태와도 관계있음을 알 수 있었고 이에 비만아에 대한 대책으로 가정과 학교에서 적극적인 관심을 갖고 아동을 지도 해야 할 필요가 있다고 하겠다.

• 한국통신학회논문지
• /
• 제30권7B호
• /
• pp.489-498
• /
• 2005

서비스 거부 공격은 네트워크 자원을 독점하여 서버 시스템 및 네트워크상에 인위적인 혼잡을 발생시키는 공격으로써, 일반 사용자가 정상적인 서비스를 제공받지 못하도록 하는 것을 목적으로 한다. 본 논문에서는 인위적인 네트워크 혼잡 상황에서도 정상 트래픽의 서비스 품질을 보장할 수 있는 소수자 우선 게이트웨이를 제안한다. 소수자 우선 게이트웨이는 어떤 집합 플로우가 혼잡유발 트래픽인지를 빠르게 결정할 수 있는 방법을 제공한다. 소수자 우선 게이트웨이는 정상 트래픽으로 판정된 집합 플로우에게는 높은 우선순위의 서비스를 제공하여 그 품질을 보호하고, 혼잡유발 트래픽으로 판정된 집합 플로우에게는 낮은 우선순위의 서비스를 제공하여 네트워크 혼잡이 혼잡유발 트래픽에게만 영향을 미치도록 한다. 제안하는 소수자 우선 게이트웨이는 서비스 거부 공격 뿐만 아니라 다중 노드에서 동시에 혼잡을 일으키는 분산 서비스 거부 공격에서도 정상 트래픽의 서비스 품질을 보장하는 효과를 제공함을 시뮬레이션을 통하여 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제14권6호
• /
• pp.175-181
• /
• 2014

무선 기반의 모바일 컴퓨팅 네트워크 기술의 급속한 발전과 더불어, 다양한 관련 기술과의 융합을 통한 획기적인 모바일 애드 혹 네트워크 응용들이 빠르게 확산되고 있는 실정이다. 차량 애드 혹 망 (Vehicular Ad Hoc Networks: VANETs)은 일반적으로 높은 이동성을 갖는 차량 노드들로 구성되어 망 위상이 짧은 시간 유지되고 통신 링크가 불안정한 자기 조직화 모바일 애드 혹 망이다. 따라서 VANETs은 네트워크상에 센서들의 해로운 노이즈나 차량 노드들의 비정상 행위에 매우 취약하다. 본 논문에서는 이러한 VANETs에서 센싱된 센서로 부터의 상황정보에 대한 해로운 오동작이나 노이즈와 차량 노드들의 활동에 대한 비정상 행위를 효율적으로 식별할 수 있는 빅 데이터 처리기술을 응용한 비정상 행위 탐지 방법을 제안하고, 그 성능을 모의실험을 통해 임계 허용 오차에 대한 비정상 행위 탐지율과 거짓 경고율로 평가하였다.

• 한국ITS학회 논문지
• /
• 제22권2호
• /
• pp.80-92
• /
• 2023

도시에 많은 사람들이 밀집하여 살아가면서 기존에 예측하지 못했던 범죄, 사고, 감염병 등의 비정상 이벤트가 발생은 도시 내 이용자 수요에 영향을 미치게 된다. 이러한 불확실성(uncertainty)이 내포된 정보를 기반으로 도시 내 이용자 수요에 대한 시계열적 예측을 수행한다면 신뢰성 있는 결과 도출이 불가능하다. 특히, 2020년 초 발발한 COVID-19는 비정상적인 이동통행패턴의 변화를 불러 일으키며 시계열 수요예측을 어렵게 만들었기에 이러한 변화를 검지하고 이를 반영하여 정확한 수요를 예측 수행할 수 있는 방법론의 필요성이 대두되고 있다. 이에 본 연구는 COVID-19로 인한 비정상적 이벤트를 자동으로 검지하고 예측하는 모형 파이프라인을 구축하였다. 이는 도시 내 다양한 분야에서의 불규칙적이고 비정상적인 이벤트로 인한 수요변화가 일어나는 상황에 폭넓게 활용될 수 있을 것으로 생각된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권3호
• /
• pp.113-120
• /
• 2018

본 연구에서는 공장 내부의 설비의 동작의 이상 유무를 저가의 센서를 사용하여 모니터링하고 이를 확인할 수 있도록 하는 시스템을 구현하였다. 저가의 센서들은 저렴한 비용으로 넓은 장소에 다량의 기기들에 설치할 수 있다는 장점을 가지지만 센서의 오작동 및 센서의 정확성 문제로 정확한 감시와 확인이 어려워진다는 단점을 가진다. 따라서 저가의 센서를 사용하게 되면 생산설비에서 발생하는 데이터로부터 이상 값을 구분하여 이상상황에 대한 센서의 오작동인지 또는 설비의 고장인지 여부를 판단하고 이를 알람을 통해 확인할 수 있는 모니터링 시스템이 필수로 구축되어야 한다. 본 연구에서 우리는 저가의 센서들에서 감지된 정상 범위를 벗어나는 데이터 값에서 센서의 오작동과 설비의 고장여부를 구분할 수 있는 시스템을 구현하였으며 이를 위해 우리는 가중이동 평균법과 푸리에 변환 기반 신호 검증 시스템을 혼합한 시스템을 설계 구현하였다. 이를 통해 설비에서 정상범위를 벗어나는 값들이 감지되는 경우 이들을 기기의 이상과 센서의 이상 상황으로 구분할 수 있도록 하였으며 실험결과 전체 이상 신호 값 중에 1/3에 해당하는 부분을 센서의 이상 상황으로 분류 정상처리하고 있음을 확인할 수 있었다. 또한 우리는 모니터링 시스템의 구축 비용 절감을 위해 정보를 무선통신으로 전송하도록 하였으며 작동 센싱 정보들을 비정형 데이터로 구현 처리하도록 하여 다수의 센서에서 수집된 대규모의 정보들을 효율적으로 처리할 수 있도록 하였다.

• 한국ITS학회 논문지
• /
• 제3권1호
• /
• pp.53-65
• /
• 2004

도로에서 발생하는 비반복적이며 예측불가능한 일련의 사건을 돌발상황(incident)이라고 하며 이러한 돌발상황이 발생하게 되면 교통류의 정상 흐름이 와해되고 이로써 도로의 용량감소를 일으키며 교통혼잡과 대기오염 등 막대한 사회$\cdot$경제적 손실을 초래한다. 돌발상황으로 인한 피해를 최소화하고자 국내외 각종 교통관리센터에서는 자동 돌발감지 알고리즘에 의한 자동감지 방법을 사용하고 있다. 그러나 현재 운영중인 돌발상황 감지 알고리즘들은 어느 정도의 감지율은 확보하고 있으나 오경보율이 높아 대체적인 성능은 낮은 것으로 판단된다. 유출입램프 수요과다로 인해 도로용량이 다른 구간에 비해 현저히 떨어지는 병목(bottleneck)구간의 경우, 돌발상황이 빈번하게 발생함에도 불구하고 진출입차량으로 인한 대기행렬과 차로변경등의 유사 돌발상황이 발생하여 자동 돌발상황 감지가 더욱 어려운 실정이다. 본 연구에서는 진출입영향권내에서 발생하는 돌발상황을 정확히 감지하기 위해 돌발상황시 혼잡상황 구분을 통한 자동감지 알고리즘을 바탕으로 램프구간의 혼잡 감지시 인접한 본선의 차로를 돌발상황 판단모듈에서 제외함으로써 모형의 성능을 향상시킬 수 있음을 살펴보았다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.101-125
• /
• 2022

최근 컴퓨팅 기술의 발전과 클라우드 환경의 개선에 따라 딥 러닝 기술이 발전하게 되었으며, 다양한 분야에 딥 러닝을 적용하려는 시도가 많아지고 있다. 대표적인 예로 정상적인 데이터에서 벗어나는 값이나 패턴을 식별하는 기법인 이상 탐지가 있으며, 이상 탐지의 대표적 유형인 점 이상, 집단적 이상, 맥락적 이중 특히 전반적인 상황을 파악해야 하는 맥락적 이상을 탐지하는 것은 매우 어려운 것으로 알려져 있다. 일반적으로 이미지 데이터의 이상 상황 탐지는 대용량 데이터로 학습된 사전학습 모델을 사용하여 이루어진다. 하지만 이러한 사전학습 모델은 이미지의 객체 클래스 분류에 초점을 두어 생성되었기 때문에, 다양한 객체들이 만들어내는 복잡한 상황을 탐지해야 하는 이상 상황 탐지에 그대로 적용되기에는 한계가 있다. 이에 본 연구에서는 객체 클래스 분류를 학습한 사전학습 모델을 기반으로 이미지 캡셔닝 학습을 추가적으로 수행하여, 객체 파악뿐만 아니라 객체들이 만들어내는 상황까지 이해해야 하는 이상 상황 탐지에 적절한 2 단계 사전학습 모델 구축 방법론을 제안한다. 구체적으로 제안 방법론은 ImageNet 데이터로 클래스 분류를 학습한 사전학습 모델을 이미지 캡셔닝 모델에 전이하고, 이미지가 나타내는 상황을 설명한 캡션을 입력 데이터로 사용하여 학습을 진행한다. 이후 이미지와 캡션을 통해 상황 특질을 학습한 가중치를 추출하고 이에 대한 미세 조정을 수행하여 이상 상황 탐지 모델을 생성한다. 제안 방법론의 성능을 평가하기 위해 직접 구축한 데이터 셋인 상황 이미지 400장에 대해 이상 탐지 실험을 수행하였으며, 실험 결과 제안 방법론이 기존의 단순 사전학습 모델에 비해 이상 상황 탐지 정확도와 F1-score 측면에서 우수한 성능을 나타냄을 확인하였다.