• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2021년도 추계학술대회
• /
• pp.60-62
• /
• 2021

항로표지는 해상상황 정보를 수집하고 선박들의 항해에 안전을 도모하기 위해 설치 및 운용되고 있다. 관련해 개별 지방청에서 운영되는 데이터를 빅데이터 형태로 활용하고자 하는 경우 수집된 데이터의 품질에 대한 평가가 이루어져야 한다. 본 논문에서는 수집된 항로표지 데이터의 누락 정보를 중심으로 데이터 수집에 있어 장애 생성의 주된 원인을 찾고자 하였다. 수집된 데이터의 분석 결과 기상악화와 표지의 전압이 하락한 날에 데이터 결측 발생률이 톺음을 확인할 수 있었다. 이를 통해 기상 상황, 표지의 전압 상태 그리고 수집된 데이터 개수의 비교를 통해 기상악화가 영향을 미쳤을 수 있음을 확인하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.68-71
• /
• 2022

항로표지는 해상에 독립적으로 암초 위나 줄에 의해 떠 있는 형태로 존재하며, 선박들의 안전 운행에 필요한 다양한 정보를 제공하는 역할을 수행한다. 이러한 항로표지의 설치 및 동작 형태는 풍랑에 따라 기기의 위치가 가변적으로 변하게 된다. 따라서 기기의 위치가 급격하게 변했을 때, 항로표지 기기 내에도 영향을 받는다면 지방청의 항로표지 데이터 수신이 낮아질 것이라고 가설 설정했다. 본 논문에서는 기상특보에 따른 시간적 기준으로 구간을 나누어 풍랑과 항로표지 데이터 수신 간의 상관관계가 있는지 연구를 진행하였다. 연구 결과 풍랑이 거세질수록 평균 데이터 수집량이 감소하는 것으로 데이터 수신 강도의 영향을 줄 수 있음을 확인하였다. 이번 연구를 통해 풍랑에 대비한 항로표지 데이터의 개선이 필요하며, 선박의 안전과 관련된 만큼 정밀한 개선을 요한다.

• 정보보호학회논문지
• /
• 제33권3호
• /
• pp.411-425
• /
• 2023

오늘날 AI(Artificial Intelligence) 기술은 다양한 분야에서 활용 목적에 맞게 분류, 회기 작업을 수행하며 광범위하게 활용되고 있으며, 연구 또한 활발하게 진행 중인 분야이다. 특히 보안 분야에서는 예기치 않는 위협을 탐지해야 하며, 모델 훈련과정에 알려진 위협 정보를 추가하지 않아도 위협을 탐지할 수 있는 비 지도학습 기반의 이상 탐지 기법이 유망한 방법이다. 하지만 AI 판단에 대한 해석 가능성을 제공하는 선행 연구 대부분은 지도학습을 대상으로 설계되었기에 학습 방법이 근본적으로 다른 비 지도학습 모델에 적용하기는 어려우며, Vision 중심의 AI 매커니즘 해석연구들은 이미지로 표현되지 않는 보안 분야에 적용하기에 적합하지 않다. 따라서 본 논문에서는 침해공격의 원본인 최적화 Reference를 탐색하고 이와 비교함으로써 탐지된 이상에 대한 해석 가능성을 제공하는 기법을 활용한다. 본 논문에서는 산출된 Reference를 기반으로 실존 데이터에서 가장 가까운 데이터를 탐색하는 로직을 추가 제안함으로써 실존 데이터를 기반으로 이상 징후에 대한 더욱 직관적인 해석을 제공하고 보안 분야에서의 효과적인 이상 탐지모델 활용을 도모하고자 한다.

• 한국빅데이터학회지
• /
• 제2권2호
• /
• pp.9-16
• /
• 2017

클라우드 서비스에 기반한 글로벌 플랫폼 솔루션 기업은 인공지능과 빅데이터 서비스를 킬러앱으로 발전시키며 기업의 산업 솔루션을 제공하며 이것은 기업의 비즈니스 밸류 체인에 큰 변화를 가져오게 할 것이다. 제조 생산의 최적화에서 디자인과 마케팅, 유통 등이 중요해 지고 SCM와 고객 데이터가 수평적으로 연결되어 관리가 필요해지면서 기업의 모든 데이터도 하나의 플랫폼을 중심으로 데이터에 기반한 통합을 이루어 기업 의사 결정 모델을 구현하는 방향으로 발전하게 된다. 이러한 변화는 기업의 소셜, 모발 솔루션과 통합되는 디지털 혁신을 리드하고 있다. 또한 기업은 다른 기술 경쟁력을 가진 기업의 기술, 플랫폼 솔루션과 Ecosystem 비즈니스 파트너로 융합하여 새로운 비즈니스 모델을 만들고 산업과 지역의 경계를 넘어 새로운 에코시스템 마켓플레이스를 만들고 있다.

• 인터넷정보학회논문지
• /
• 제24권5호
• /
• pp.17-27
• /
• 2023

오늘날 AI(Artificial Intelligence) 기술이 발전하면서 실용성이 증가함에 따라 실생활 속 다양한 응용 분야에서 널리 활용되고 있다. 이때 AI Model은 기본적으로 학습 데이터의 다양한 통계적 속성을 기반으로 학습된 후 시스템에 배포되지만, 급변하는 데이터의 상황 속 예상치 못한 데이터의 변화는 모델의 성능저하를 유발한다. 특히 보안 분야에서 끊임없이 생성되는 새로운 공격과 알려지지 않은 공격에 대응하기 위해서는 배포된 모델의 Drift Signal을 찾는 것이 중요해짐에 따라 모델 전체의 Lifecycle 관리 필요성이 점차 대두되고 있다. 일반적으로 모델의 정확도 및 오류율(Loss)의 성능변화를 통해 탐지할 수 있지만, 모델 예측 결과에 대한 실제 라벨이 필요한 점에서 사용 환경의 제약이 존재하며, 실제 드리프트가 발생한 지점의 탐지가 불확실한 단점이 있다. 그 이유는 모델의 오류율의 경우 다양한 외부 환경적 요인, 모델의 선택과 그에 따른 파라미터 설정, 그리고 새로운 입력데이터에 따라 크게 영향을 받기에 해당 값만을 기반으로 데이터의 실질적인 드리프트 발생 시점을 정밀하게 판단하는 것은 한계가 존재하게 된다. 따라서 본 논문에서는 XAI(eXplainable Artificial Intelligence) 기반 Anomaly 분석기법을 통해 실질적인 드리프트가 발생한 시점을 탐지하는 방안을 제안한다. DGA(Domain Generation Algorithm)를 탐지하는 분류모델을 대상으로 시험한 결과, 배포된 이후 데이터의 SHAP(Shapley Additive exPlanations) Value를 통해 Anomaly score를 추출하였고, 그 결과 효율적인 드리프트 시점탐지가 가능함을 확인하였다.

• 대한기계학회논문집
• /
• 제18권11호
• /
• pp.3091-3097
• /
• 1994

An expert system for NC part programming of NC lathe (ESPP-1) is developed as a part of Computer-Adied Manufacturing system. Conventional computer-assisted part programming system essentially requires an NC part programmer who is an expert in NC part programming. But the developed ESSP-1 can allow an inexperienced person to make an excellent NC data for the NC Lathe without any problem, since the system has a knowledge base composed of EIA and ISO NC code, feed rate, spindle speed, machining coordinates selection, and tool selection etc., which were directly evoked from some skilled NC part programmers, and referenced some machining handbooks. This paper discusses the algorithm of the expert system for NC part programming of the NC lathe (ESPP-1) and the performance comparisons between the developed expert system and the conventional system.

• 한국정보통신학회논문지
• /
• 제26권12호
• /
• pp.1759-1768
• /
• 2022

본 논문은 AI Hub에서 제공하는 웰니스 대화 스크립트, 주제별 일상 대화 데이터세트와 Github에 공개된 챗봇 데이터세트를 활용하여 사용자의 발화에서 우울 관련 감정을 탐지하는 모델을 제안한다. 우울 관련 감정에는 우울감, 무기력을 비롯한 18가지 감정이 존재하며, 언어 모델에서 높은 성능을 보이는 KoBERT와 KoELECTRA 모델을 사용하여 감정 분류 작업을 수행한다. 모델별 성능 비교를 위해 우리는 데이터세트를 다양하게 구축하고, 좋은 성능을 보이는 모델에 대해 배치 크기와 학습률을 조정하면서 분류 결과를 비교한다. 더 나아가, 사람은 동시에 여러 감정을 느끼는 것을 반영하기 위해, 모델의 출력값이 특정 임계치보다 높은 레이블들을 모두 정답으로 선정함으로써, 다중 분류 작업을 수행한다. 이러한 과정을 통해 도출한 성능이 가장 좋은 모델을 Depression model이라 부르며, 이후 사용자 발화에 대해 우울 관련 감정을 분류할 때 해당 모델을 사용한다.