• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.329-330
• /
• 2020

본 논문에서는 Azure 클라우드 플랫폼의 가상서버 호스팅을 이용해 데이터 수집 환경을 구축하고, Azure에서 제공하는 자동화된 기계학습(Automated Machine Learning, AutoML)을 기반으로 데이터 분석 방법에 관한 연구를 수행했다. 가상 서버 호스팅 환경에 LAMP(Linux, Apache, MySQL, PHP)를 설치하여 데이터 수집환경을 구축했으며, 수집된 데이터를 Azure AutoML에 적용하여 자동화된 기계학습을 수행했다. Azure AutoML은 소모적이고 반복적인 기계학습 모델 개발을 자동화하는 프로세스로써 기계학습 솔루션 구현하는데 시간과 자원(Resource)를 절약할 수 있다. 특히, AutoML은 수집된 데이터를 분류와 회귀 및 예측하는데 있어서 학습점수(Training Score)를 기반으로 보유한 데이터에 가장 적합한 기계학습 모델의 순위를 제공한다. 이는 데이터 분석에 필요한 기계학습 모델을 개발하는데 있어서 개발 초기 단계부터 코드를 설계하지 않아도 되며, 전체 기계학습 시스템을 개발 및 구현하기 전에 모델의 구성과 시스템을 설계해볼 수 있기 때문에 매우 효율적으로 활용될 수 있다. 본 논문에서는 NPU(Neural Processing Unit) 학습에 필요한 데이터 수집 환경에 관한 연구를 수행했으며, Azure AutoML을 기반으로 데이터 분류와 회귀 등 가장 효율적인 알고리즘 선정에 관한 연구를 수행했다.

• 전자공학회논문지
• /
• 제53권10호
• /
• pp.51-57
• /
• 2016

본 논문에서는 에너지관리의 효율성 향상을 위하여 데이터 추론기법과 클라우드 호스팅 기법을 활용한 최적의 에너지 관리시스템을 제안하였다. 에너지 절약 및 효율적인 관리 기법이 에너지 생산 및 공급을 줄이기 위해서 매우 유용하다는 점에 대한 관심이 부각되고 있다. 에너지 관리시스템은 컴퓨터를 사용하여 합리적인 에너지 이용과 함께 쾌적하고 기능적인 업무 환경을 효율적으로 유지 보전하기 위한 제어 관리시스템을 의미한다. 제안 시스템은 에너지관리를 위해 다양한 설비를 제어하고, 에너지 소비 환경의 변화로부터 추론을 위한 데이터를 획득하며, 에너지를 사용하는 환경의 변화에 최적으로 적응함으로써 효율적인 에너지 관리가 가능하도록 구현되었다. 구현된 시스템의 성능을 평가하기 위해서 대상 설비에 대한 추론엔진이 작동하는 서버에서 월간 전력사용량을 고려한 실험을 실시하였고, 그 결과 우수한 성능을 보임을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.658-661
• /
• 2024

퍼블릭 클라우드 시장이 성장하면서 퍼블릭 클라우드에서 호스팅하는 컴퓨팅 자원으로 구축된 거대하고 복잡한 IT 시스템이 점차 많아지고 있다. 이러한 시스템의 증가는 서비스 장애 발생 확률을 높이므로, 장애 관리 및 선제 감지를 위한 퍼블릭 클라우드 자원의 이상 감지 연구에 대한 수요 또한 증가하고 있다. 그러나 연구에 활용할 수 있는 벤치마크 데이터셋이 없다는 점과, 실제 자원에서 추출할 수 있는 데이터는 레이블링이 되어 있지 않은 불균형 데이터라는 점 때문에 관련 연구가 부족한 상황이다. 이러한 문제를 해결하고자 본 논문은 비지도 방식의 표현 학습 기반 딥러닝 모델을 활용한 이상 감지 시스템을 제안한다. 시스템의 이상 감지 성능을 유지하고자 일정 주기마다 다수의 딥러닝 모델을 재학습하고 비교하여 최적의 모델로 업데이트 하는 방식을 고안하였다. 해당 시스템의 평가에는 실제 퍼블릭 클라우드 자원에서 발생한 메트릭 데이터가 활용됐으며, 그 결과 준수한 이상 감지 성능을 보인다는 것을 확인하였다.

• 인터넷정보학회논문지
• /
• 제21권4호
• /
• pp.1-8
• /
• 2020

5G 목표 중 하나인 초신뢰성 저지연 통신에 도달하기 위해 멀티액세스 엣지 컴퓨팅 패러다임이 탄생했다. 이 패러다임은 클라우드 컴퓨팅 기술을 네트워크 엣지에 더 가깝게 하며 서비스 지연 시간을 줄이기 위해서는 네트워크 엣지에 있는 여러 Edge Cloud에서 서비스 호스팅된다. 모바일 사용자의 경우 서비스 품질 유지를 위해 서비스를 가장 적합한 Edge Cloud로 마이그레이션하는 것은 중요하고 고이동성 시나리오에서는 서비스 마이그레이션 문제가 더욱 복잡해진다. 고정 이동 경로에서 사용자 이동성과 Edge Cloud 선택에 대한 어떤 영향을 미치는 건지 관찰하는 것이 이 연구의 목표다. Mobility-Aware Service Migration (MASM)은 고이동성 시나리오 동안 라우팅 비용과 서비스 마이그레이션 비용이라는 두 가지 주요 매개변수를 기반으로 서비스 마이그레이션을 최적화하기 위해 제안된다. 제안된 알고리즘을 기존의 그리디 알고리즘과 비교하여 평가한다.

• 정보과학회 논문지
• /
• 제44권7호
• /
• pp.719-725
• /
• 2017

약 네트워크의 관리 비용을 줄이고 성능을 향상시키기 위해 ETSI(European Telecommunication Standards Institute)는 클라우드 데이터 센터에서 네트워크 기능(Network Function)을 소프트웨어 형태로 구현할 수 있는 네트워크 기능 가상화(Network Function Virtualization) 개념을 도입했다. 네트워크 기능 가상화 구조 내에서 네트워크 기능을 물리적 노드(예: 범용 서버)에 네트워크 기능을 호스팅하여 실제 리소스를 공유할 수 있다. 네트워크 기능 가상화를 지원하는 네트워크 서비스 제공 업체의 경우, 효율적인 자원 할당 방법을 통해 운영비용(OPEX) 및 자본 비용(CAPEX)를 줄일 수 있다. 이에 본 논문에서는 최적화 방법을 통해 Network Service Chain Embedding 문제를 분석하고 Markov Approximation 프레임워크 기반 최적의 솔루션을 제안한다. 제안사항에 대한 시뮬레이션 결과는 평균 CPU 사용률이 73%, 링크 사용률이 최대 53% 증가함을 보여준다.