• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.452-454
• /
• 2022

최근 기술의 발전에 따라 다양한 IT 장비에서 사용자 인증을 위해 다양한 방식의 생체인증을 사용하고 있다. 일반적인 비밀번호를 통한 인증은 비밀번호와 입력 데이터가 완전히 동일해야만 인증을 통과하는 반면, 생체인증의 경우 인증을 위해 등록되어있는 데이터와 입력 데이터가 얼마나 유사한지를 통해 인증이 이루어져 데이터가 비슷하다면 인증이 통과되는 방식이라는 문제점이 있다. 본 논문에서는 인증 시간, 위치, 방식 등과 같은 사용자의 인증 패턴을 분석하여 점수를 책정하고 현재 인증자가 기존의 인증자와 동일한지에 대한 질문을 기존의 생체인증 방식에 더하는 방식을 제안한다.

• International Journal of Computer Science & Network Security
• /
• 제24권1호
• /
• pp.107-118
• /
• 2024

With the seamless growth of the technology, network usage requirements are expanding day by day. The majority of electronic devices are capable of communication, which strongly requires a secure and reliable network. Network-based intrusion detection systems (NIDS) is a new method for preventing and alerting computers and networks from attacks. Machine Learning is an emerging field that provides a variety of ways to implement effective network intrusion detection systems (NIDS). Bagging and Boosting are two ensemble ML techniques, renowned for better performance in the learning and classification process. In this paper, the study provides a detailed literature review of the past work done and proposed a novel ensemble approach to develop a NIDS system based on the voting method using bagging and boosting ensemble techniques. The test results demonstrate that the ensemble of bagging and boosting through voting exhibits the highest classification accuracy of 99.98% and a minimum false positive rate (FPR) on both datasets. Although the model building time is average which can be a tradeoff by processor speed.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권2호
• /
• pp.742-762
• /
• 2015

In this study, we propose a distance metric learning approach called discriminant metric learning (DML) for face verification, which addresses a binary-class problem for classifying whether or not two input images are of the same subject. The critical issue for solving this problem is determining the method to be used for measuring the distance between two images. Among various methods, the large margin nearest neighbor (LMNN) method is a state-of-the-art algorithm. However, to compensate the LMNN's entangled data distribution due to high levels of appearance variations in unconstrained environments, DML's goal is to penalize violations of the negative pair distance relationship, i.e., the images with different labels, while being integrated with LMNN to model the distance relation between positive pairs, i.e., the images with the same label. The likelihoods of the input images, estimated using DML and LMNN metrics, are then weighted and combined for further analysis. Additionally, rather than using the k-nearest neighbor (k-NN) classification mechanism, we propose a verification mechanism that measures the correlation of the class label distribution of neighbors to reduce the false negative rate of positive pairs. From the experimental results, we see that DML can modify the relation of negative pairs in the original LMNN space and compensate for LMNN's performance on faces with large variances, such as pose and expression.

• 대한의용생체공학회:의공학회지
• /
• 제30권4호
• /
• pp.294-305
• /
• 2009

The bio signals essentially have different characteristics in each person. And the main purpose of automatic diagnosis algorithm based on bio signals focuses on discriminating differences of abnormal state from personal differences. In this paper, we propose automatic ECG diagnosis algorithm which discriminates normal heart beats from premature ventricular contraction using optimization of wavelet parameterization to solve that problem. The proposed algorithm optimizes wavelet parameter to let energy of signal be concentrated on specific scale band. We can reduce the personal differences and consequently highlight the differences coming from arrhythmia via this process. The proposed algorithm using ELM as a classifier show high discrimination performance between normal beat and PVC. From the experimental results on MIT-BIH arrhythmia database the performances of the proposed algorithm are 98.1% in accuracy, 93.0% in sensitivity, 96.4% in positive predictivity, and 0.8% in false positive rate. This results are similar or higher then results of existing researches in spite of small human intervention.

• 정보보호학회논문지
• /
• 제28권2호
• /
• pp.385-395
• /
• 2018

인터넷의 성장과 함께 각종 취약점을 악용한 사이버 공격들이 지속적으로 증가하고 있다. 이러한 행위를 탐지하기 위한 방안으로 침입탐지시스템(IDS; Intrusion Detection System)이 널리 사용되고 있지만, IDS에서 발생하는 많은 양의 오탐(정상통신을 공격행위로 잘못 탐지한 보안이벤트)은 여전히 해결되지 않은 문제로 남아있다. IDS 오탐 문제를 해결하기 위한 방법으로 기계학습 알고리즘을 통한 자동분류 연구가 진행되고 있지만 실제 현장 적용을 위해서는 정확도와 데이터 처리속도 향상을 위한 연구가 더 필요하다. 기계학습 기반 분류 모델은 다양한 요인에 의해서 그 성능이 결정된다. 최적의 feature를 선택하는 것은 모델의 분류 성능 및 정확성 향상에 크게 영향을 미치기 때문에 기계학습에서 매우 중요한 부분을 차지한다. 본 논문에서는 보안이벤트 분류 모델의 성능 향상을 위해 기존 연구에서 제안한 기본 feature에 추가로 10종의 신규 feature를 제안한다. 본 논문에서 제안하는 10종의 신규 feature는 실제 보안관제센터 전문 인력의 노하우를 기반으로 고안된 것으로, 모델의 분류 성능을 향상시킬 뿐만 아니라 단일 보안이벤트에서 직접 추출 가능하기 때문에 실시간 모델 구축도 가능하다. 본 논문에서는 실제 네트워크 환경에서 수집된 데이터를 기반으로 제안한 신규 feature들이 분류 모델 성능 향상에 미치는 영향을 검증하였으며, 그 결과, 신규 feature가 모델의 분류 정확도를 향상시키고 오탐지율을 낮춰주는 것을 확인할 수 있었다.

• 방송공학회논문지
• /
• 제18권4호
• /
• pp.535-542
• /
• 2013

본 논문에서는 고속 및 고인식률의 성능을 갖는 영상인식 엔진 구조를 제안한다. 본 엔진은 2단계의 특징점 추출 및 분류 알고리즘을 수행하여 자동차와 보행자를 인식할 수 있다. 엔진의 인식률을 높이기 위해 HOG 특징점 값과 LBP 특징점 값을 같이 사용하여 알고리즘을 구성하였으며, 처리 속도를 높이기 위해 병렬 구조를 개선하여 하드웨어를 설계하였다. 실험결과를 통해 설계한 엔진이 초당 90프레임의 인식 처리가 가능하며 FPPW $10^{-4}$ 하에서 97.7%의 보행자 인식률을 가짐을 보인다.

• 재활복지공학회논문지
• /
• 제10권1호
• /
• pp.1-7
• /
• 2016

본 연구는 경산지역 남녀 고등학생을 대상으로 하고, 재검대상자 비율을 통해 청각 선별의 필요성을 고찰하고자 한다. 연구 대상은 여자 고등학생 359명, 남자 고등학생 205명 등 모두 564명으로 하였다. 청각선별은 고막운동성계측(tympanometry)과 자동화 이음향방사(automated otoacoustic emission; AOAE)를 이용하였다. 재검대상자 중 위양성 소견을 보인 여학생 8명(2.228%) 11귀와 남학생 9명(4.39%) 10귀를 제외하면 최종 재검대상자는 여학생이 9명(2.5%), 남학생이 19명(9.268%)으로 각각 관찰되었다. 고막운동도와 AOAE는 남녀 사이 차이가 나타나지 않았다. 결론적으로 청소년 청각선별은 이관 성장 발달에도 불구하고 순음청 각선별로 확인하기 어려운 난청을 선별하기 위하여 고막운동성계측을 시행할 필요가 있고, 위양성 결과를 낮추기 위한 노력이 필요하다.

• Communications for Statistical Applications and Methods
• /
• 제24권6호
• /
• pp.627-640
• /
• 2017

A common interest in gene expression data analysis is to identify genes that present significant changes in expression levels among biological experimental conditions. In this paper, we develop a Bayesian approach to make a gene-by-gene comparison in the case with a control and more than one treatment experimental condition. The proposed approach is within a Bayesian framework with a Dirichlet process prior. The comparison procedure is based on a model selection procedure developed using the discreteness of the Dirichlet process and its representation via Polya urn scheme. The posterior probabilities for models considered are calculated using a Gibbs sampling algorithm. A numerical simulation study is conducted to understand and compare the performance of the proposed method in relation to usual methods based on analysis of variance (ANOVA) followed by a Tukey test. The comparison among methods is made in terms of a true positive rate and false discovery rate. We find that proposed method outperforms the other methods based on ANOVA followed by a Tukey test. We also apply the methodologies to a publicly available data set on Plasmodium falciparum protein.

• ETRI Journal
• /
• 제33권4호
• /
• pp.600-610
• /
• 2011

This paper presents a novel approach to face detection by localizing faces as the goal-specific saliencies in a scene, using the framework of selective visual attention of a human with a particular goal in mind. The proposed approach aims at achieving human-like robustness as well as efficiency in face detection under large scene variations. The key is to establish how the specific knowledge relevant to the goal interacts with the bottom-up process of external visual stimuli for saliency detection. We propose a direct incorporation of the goal-related knowledge into the specification and/or modification of the internal process of a general bottom-up saliency detection framework. More specifically, prior knowledge of the human face, such as its size, skin color, and shape, is directly set to the window size and color signature for computing the center of difference, as well as to modify the importance weight, as a means of transforming into a goal-specific saliency detection. The experimental evaluation shows that the proposed method reaches a detection rate of 93.4% with a false positive rate of 7.1%, indicating the robustness against a wide variation of scale and rotation.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.235-241
• /
• 2019

본 논문에서는 농업 기계 시스템에서 사용하기 위한 딥러닝 알고리즘 기반의 프레임 내의 관심 영역 유사성을 이용한 새로운 후방 접근 차량 검출 알고리즘을 제안한다. 농업 기계 시스템은 후방에서 접근하는 차량만 검출해야 한다. 지나가는 자동차가 검출되면 혼란을 야기할 수 있다. 논문에서는 차량 검출을 위해 딥러닝에서 뛰어난 검출률을 나타내는 Faster R-CNN 모델을 사용하였다. 딥러닝은 뒤에서 접근하는 차량뿐만 아니라 지나가는 차량도 검출하므로 긍정오류 차량을 배제해야 한다. 본 논문에서 이를 해결하기 위해 검출된 프레임에서 관심 영역에 대한 유사성과 평균 에러를 피라미드 형태로 이용하여 접근하는 자동차만 검출하는 알고리즘을 제안하였다. 실험을 통하여 제안된 방법이 평균 98.8%의 높은 검출률을 나타내었다.