• 스마트미디어저널
• /
• 제8권2호
• /
• pp.66-73
• /
• 2019

최근 컴퓨터 비전을 활용한 사물인식 기술이 센서 기반 사물인식 기술을 대체할 기술로 주목을 받고 있다. 센서 기반 사물인식 기술은 일반적으로 고가의 센서를 필요로 하기 때문에 기술이 상용화되기 어렵다는 문제가 있었다. 반면 컴퓨터 비전을 활용한 사물인식 기술은 고가의 센서 대신 비교적 저렴한 카메라를 사용할 수 있다. 동시에 CNN이 발전하면서 실시간 사물인식이 가능해진 이후 IoT, 자율주행자동차 등 타 분야에 활발하게 도입되고 있다. 그러나 사물 인식 모델을 상황에 알맞게 선택하고 학습시키기 위해서는 딥러닝에 대한 전문적인 지식을 요구하기 때문에 비전문가가 사물 인식 모델을 사용하기에는 어려움이 따른다. 따라서 본 논문에서는 딥러닝 기반 사물인식 모델들의 구조와 성능을 분석하고, 사용자가 원하는 조건의 최적의 딥러닝 기반 사물 인식 모델을 스스로 선정할 수 있는 플랫폼을 제안한다. 또한 통계에 기반한 사물 인식 모델 선정이 필요한 이유를 실험을 통해 증명한다.

• 정보보호학회지
• /
• 제31권6호
• /
• pp.19-29
• /
• 2021

신경망 암호해독은 딥러닝 기술을 기반으로 암호해독을 수행하는 기술을 말한다. 2000년대부터 신경망 암호분석 연구가 일부 수행된 바 있지만 대부분 가능성을 제시하기 위하여 실제로 사용되지 않는 암호를 대상으로 수행되어 활용에 어려움이 있었다. 그러나 최근 암호학계 저명 컨퍼런스인 CRYPTO, EUROCRYPT에서 전통적인 암호해독 기법보다 우수한 성능을 보이는 신경망 암호분석 연구 결과가 발표된 바 있다. 하지만, 신경망 암호해독 기술은 딥러닝 기술이 활용되고 있는 타 분야 대비 상대적으로 연구 초기 단계에 있어 다양한 한계점이 존재한다. 이에 본 논문에서는 현재까지 수행된 신경망 암호분석 연구에 대한 동향을 분석하고 한계점 및 향후 연구 방향을 제시한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.7-10
• /
• 2021

에스컬레이터의 고장 여부를 사전에 파악하는 것은 경제적 손실뿐만 아니라 인명 피해를 예방할 수 있어서 매우 중요하다. 실제 이러한 고장 예측을 위한 많은 딥러닝 알고리즘이 연구되고 있지만, 설비의 이상 데이터 확보가 어려워 모델 학습이 어렵다는 문제점이 있다. 본 연구에서는 이러한 문제의 해결 방안으로 비지도 학습 기반의 방법론 중 하나인 LSTM Autoencoder 알고리즘을 사용해 에스컬레이터의 이상을 탐지하는 모델을 생성했고, 최종 실험 결과 모델 성능 AUROC가 0.9966, 테스트 Accuracy가 0.97이라는 높은 정확도를 기록했다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.362-363
• /
• 2024

최근 자동차의 네트워크화와 연결성이 증가함에 따라, CAN(Controller Area Network) bus 의 설계상 취약점이 보안 위협으로 대두되고 있다. 이에 대응하여 CAN bus 의 취약점을 극복하고 보안을 강화하기 위해 머신러닝을 활용한 침입 탐지 시스템에 대한 연구가 필요하다. 본 논문은 XGBoost 를 활용한 비정상 분류 방법론을 제안한다. 고려대학교 해킹 대응 기술 연구실에서 개발한 데이터 세트를 기반으로 실험을 수행한 결과, 초기 모델의 정확도는 96%였다. 그러나 추가적으로 TimeDiff(발생 간격)과 DataDiff(바이트의 차분 값)을 모델에 통합하면서 정확도가 3% 상승하였다. 본 논문은 향후에 보다 정교한 머신러닝 알고리즘과 데이터 전처리 기법을 적용하여 세밀한 모델을 개발하고, 업체의 CAN Database 를 활용하여 데이터 분석을 보다 정확하게 수행할 계획이다. 이를 통해 보다 신뢰성 높은 자동차 네트워크 보안 시스템을 구축할 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.427-428
• /
• 2021

정보통신기술의 발달로 전자상거래의 증가와 소비자들의 제품에 대한 경험과 지식의 공유가 활발하게 진행됨에 따라 소비자는 제품을 구매하기 위한 자료수집, 활용을 진행하고 있다. 따라서 기업은 다양한 기능들을 반영한 제품이 치열하게 경쟁하고 있는 현 시장에서 우위를 점하고자 소비자 리뷰를 분석하여 소비자의 정확한 소비자의 요구사항을 분석하여 제품기획 프로세스에 반영하고자 텍스트마이닝(Text Mining) 기술과 딥러닝(Deep Learning) 기술을 통한 연구가 이루어지고 있다. 본 논문의 기초자료가 되는 데이터셋은 포털사이트의 구매사이트와 오픈마켓 사이트의 소비자 리뷰를 웹크롤링하고 자연어처리하여 진행한다. 감성분석은 딥러닝기술 중 CNN(Convolutional Neural Network), LSTM(Long Short Term Memory) 조합의 모델을 구현한다. 이는 딥러닝을 이용한 제품기획 프로세스로 소비자 요구사항 반영, 경제적인 측면, 제품기획 시간단축 등 긍정적인 영향을 미칠 것으로 기대한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.139-140
• /
• 2022

코로나 팬더믹의 장기화에 따른 비대면 환경에서 대면 수업의 실재감을 제공하는 다양한 교수·학습 방법에 대한 시도가 이루어지고 있다. 실제 수업 현장에서는 대면수업과 다른 환경에서 학습자의 수준과 특성에 맞는 수업 설계의 필요성 또한 대두되고 있다. 본 연구에서는 플립러닝을 기반으로 한 비대면 프로그래밍 수업에서 학업성취도에 따른 학습 참여 수준과 실재감의 차이를 분석하여, 맞춤형 학습역량 강화를 위한 교수 방안을 모색하는 데 그 목적이 있다. 강의 동영상 수업과 상호작용을 포함한 플립러닝 기반 실시간 수업을 혼합하여 수업한 후 설문을 통해 학업성취도에 따른 학습자들의 학습 참여 수준, 교수 실재감과 학습 실재감을 조사한 결과, 학업성취도 가장 높은 학습자일수록 학습 참여도 높고, 다음 수준의 학습자들이 교수 실재감과 학습 실재감은 가장 높은 것으로 조사·분석되었다. 이를 통해 학업성취도에 기반하여 학습자별 맞춤형 교수방안을 제시하였다.

• 컴퓨터교육학회논문지
• /
• 제15권2호
• /
• pp.19-28
• /
• 2012

최근 소셜미디어의 대중화와 함께 소셜러닝에 대한 관심이 높아지고 있다. 소셜러닝의 긍정적 학습효과에 대한 기대에도 불구하고 교실수업 환경에서 소셜러닝의 구체적인 적용 방법과 그에 따른 학습 향상의 명시적 효과에 대하여서는 아직도 알려진 사례가 많지 않은 실정이다. 본 연구에서는 교실수업 환경에서 웹 기반의 과제 상호 평가를 통하여 개별 학습자들 간의 특정 주제에 대한 생각 공유가 발생하도록 하고, 그러한 상호 생각 공유가 개별 학생의 지식 구성에 어떤 영향을 주었는지를 살펴보았다. 수행된 실험결과에 따르면 학습자들은 다른 학습자들과의 생각의 공유를 통하여 지식이 결합 혹은 재조합되어 자신의 지식 구성에 영향을 주고 있음을 알 수 있었다. 이 실험 결과는 소셜러닝의 효과성에 대한 중요한 시사점을 줄 수 있을 것이다.

• 컴퓨터교육학회논문지
• /
• 제21권4호
• /
• pp.39-52
• /
• 2018

그 동안 플립러닝에 대한 많은 관심으로 여러 연구가 있었지만, 고등교육기관에서 교수들의 플립러닝 과목 개발을 돕고 지원할 수 있는 실질적인 연구는 부족하였다. 본 연구는 수업의 질을 개선하기 위해 교수학습을 전문적으로 지원하는 CTL과 같은 기관에서 실제적으로 적용 가능한 플립러닝강좌 개발 컨설팅모델 개발을 목적으로 한다. 이를 위해 문헌분석을 통해 도출된 모델안을 개발하여 전문가들의 피드백을 통해 최종 '수업코칭에 기반한 플립러닝강좌 모델'을 개발하였다. 총 8단계 모델의 1단계는 수업 개발사항 검토, 2단계는 수업 오리엔테이션, 3단계는 플립러닝 운영, 4단계는 전문가 수업분석, 5단계는 플립러닝 수업코칭 및 수업개선 모임, 6단계는 플립러닝 운영, 7단계는 교수자 성찰, 8단계는 환류 및 보완으로 이루어진다. 본 연구 결과를 토대로 대학에서는 플립러닝을 개발하는 교수자에게 수업의 개선을 위해 보다 실질적이고 전문적인 안내를 체계적으로 제공할 수 있으며, 개발된 모델을 기반으로 수업의 질적 제고가 가능하다.

• 컴퓨터교육학회논문지
• /
• 제17권1호
• /
• pp.1-12
• /
• 2014

e-러닝 환경에서는 학습자의 학습행동이 학습관리시스템(LMS)에 자동으로 기록되며, 최근에는 이러한 데이터를 분석하여 수업과 학습성과 향상에 활용하는 학습분석학(learning analytics)적 접근이 증가하고 있다. 중도탈락은 e-러닝에서 지속되어 온 문제로, 본 연구는 일반대학 e-러닝 강좌에서 LMS에 기록된 데이터로부터 중도탈락 예측 모형을 구축하여 e-러닝 중도탈락 처방에 기초 자료를 제공하고자 하였다. 국내 일반대학에서 운영되는 교양 e-러닝 강좌를 편의표집하고, 이 강좌를 수강하는 578명의 자료로 중도탈락을 예측하는 로지스틱 회귀분석을 실시한 결과, 주차별로 계획된 학습을 규칙적으로 완료하는 출석과 총 학습시간이 중도탈락 예측에 유의한 선행요인으로 분석되었고, 이 로지스틱 회귀모형은 전체적으로 96%의 정확도로 수강완료자와 중도탈락자를 구분하였다. 또한 학습자가 중도탈락을 결정하기 이전 시점에서 이 모형을 적용하여 중도탈락 조기 판별 가능성을 탐색하고, 본 연구결과를 토대로 시사점과 이 모형의 잠재적 활용가치를 논의하였다.

• 컴퓨터교육학회논문지
• /
• 제10권6호
• /
• pp.79-89
• /
• 2007

지식정보 사회의 도래는 새로운 교육 패러다임에 적합한 교수-학습 과정을 지원하기 위해 다양한 형태의 e-러닝의 모형과 시스템을 요구하며, 이에 따라 인터넷과 지능형 교육 시스템(ITS; intelligent tutoring system)을 적용한 e-러닝 환경의 교수-학습 시스템에 대한 연구가 지속적으로 진행되어 왔다. 그러나 현재 운영되고 있는 교육 현장의 인프라와 u-러닝의 개념 사이에는 상당한 격차가 존재한다. 이에 따라 본 연구에서는 현재 구축된 교육 현장의 인프라에서 u-러닝의 개념을 적용할 수 있는 학습자의 인지구조에 기반한 ITS 교수-학습 모형과 시스템을 개발하고, 타당성을 검증하였다. 또한 본 연구에서 제안하는 지식표현기법을 통해 개별화 학습이 효과적으로 적용될 수 있도록 학습자 인지구조를 표현하였다.