• International Journal of Aeronautical and Space Sciences
• /
• v.14 no.1
• /
• pp.91-98
• /
• 2013

The rigorous requirements of modern spacecraft missions necessitate a precise attitude determination strategy. This paper mainly researches that, based on three space-borne attitude sensors: 3-axis rate gyros, 3-antenna GPS receiver and star-sensor. To obtain global attitude estimation after an information fusion process, a feedback-involved Federated Kalman Filter (FKF), consisting of two subsystem Kalman filters (Gyros/GPS and Gyros/Star-sensor), is established. In these filters, the state equation is implemented according to the spacecraft's kinematic attitude model, while the residual error models of GPS and star-sensor observed attitude are utilized, to establish two observation equations, respectively. Taking the sensors' different update rates into account, these two subsystem filters are conducted under a variable step size state prediction method. To improve the fault tolerant capacity of the attitude determination system, this paper designs malfunction warning factors, based on the principle of ${\chi}^2$ residual verification. Mathematical simulation indicates that the information fusion strategy overwhelms the disadvantages of each sensor, acquiring global attitude estimation with precision at a 2-arcsecs level. Although a subsystem encounters malfunction, FKF still reaches precise and stable accuracy. In this process, malfunction warning factors advice malfunctions correctly and effectively.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.666-669
• /
• 2024

연합학습은 원본 데이터를 공유하지 않고 모델을 학습할 수 있는 각광받는 프라이버시를 위한 학습방법론이다. 이를 위해 참여자의 데이터를 수집하는 대신, 데이터를 인공지능 모델 학습의 요소들(가중치, 기울기 등)로 변환한 뒤, 이를 공유한다. 이러한 강점에 더해 기존 연합학습을 개선하는 방법론들이 추가적으로 연구되고 있다. 기존 연합학습은 모델 가중치를 평균내는 것으로 참여자 간에 동일한 모델 구조를 강요하기 때문에, 참여자 별로 자신의 환경에 알맞은 모델 구조를 사용하기 어렵다. 이를 해결하기 위해 지식 증류 기반의 연합학습 방법(Knowledge Distillation-based Federated Learning)으로 서로 다른 모델 구조를 가질 수 있도록(Model Heterogenousity) 하는 방법이 제시되고 있다. 연합학습은 여러 참여자가 연합하기 때문에 일부 악의적인 참여자로 인한 모델 포이즈닝 공격에 취약하다. 수많은 연구들이 기존 가중치를 기반으로한 연합학습에서의 위협을 연구하였지만, 지식 증류 기반의 연합학습에서는 이러한 위협에 대한 조사가 부족하다. 본 연구에서는 최초로 지식 증류 기반의 연합학습에서의 모델 성능 하락 공격에 대한 위협을 실체화하고자 한다. 이를 위해 우리는 GMA(Gaussian-based Model Poisoning Attack)과 SMA(Sign-Flip based Model Poisoning Attack)을 제안한다. 결과적으로 우리가 제안한 공격 방법은 실험에서 최신 학습 기법에 대해 평균적으로 모델 정확도를 83.43%에서 무작위 추론에 가깝게 떨어뜨리는 것으로 공격 성능을 입증하였다. 우리는 지식 증류 기반의 연합학습의 강건성을 평가하기 위해, 새로운 공격 방법을 제안하였고, 이를통해 현재 지식 증류 기반의 연합학습이 악의적인 공격자에 의한 모델 성능 하락 공격에 취약한 것을 보였다. 우리는 방대한 실험을 통해 제안하는 방법의 성능을 입증하고, 결과적으로 강건성을 높이기 위한 많은 방어 연구가 필요함을 시사한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.20 no.9
• /
• pp.1730-1740
• /
• 2016

This paper introduces a guest identity provider system for eduroam which is a global Wi-Fi service targeting users enrolled in higher education and research institutions. Developed eduroam AND (AutheNtication Delegation) system enables users to create their eduroam user accounts and to access eduroam regardless of their locations. Users with no organizational eduroam account therefore can freely access eduroam using the system. A federated authentication model is implemented in the system, and thus the system has merits of having high accessibility, indirectly verifying users and organizations possible, saving management overhead. Status monitoring is essential because authentication request and response messages are routed by eduroam network. eduroam AND performs active monitoring to check service availability and visualizes the results, which increases operational and management efficiency. We leveraged open-source libraries to implement eduroam AND and run the system on KREONET (Korea REsearch Open NETwork). Lastly, we present implementation details and qualitively evaluate the system.

• Convergence Security Journal
• /
• v.21 no.3
• /
• pp.49-56
• /
• 2021

Recently, artificial intelligence is regarded as an essential technology in our society. In particular, the invasion of privacy in artificial intelligence has become a serious problem in modern society. Split learning, proposed at MIT in 2019 for privacy protection, is a type of federated learning technique that does not share any raw data. In this study, we studied a safe and accurate segmentation learning model using known differential privacy to safely manage data. In addition, we trained SVHN and GTSRB on a split learning model to which 15 different types of differential privacy are applied, and checked whether the learning is stable. By conducting a learning data extraction attack, a differential privacy budget that prevents attacks is quantitatively derived through MSE.

• Journal of KIBIM
• /
• v.9 no.4
• /
• pp.41-50
• /
• 2019

Digital models for a cable-stayed bridge are defined considering data-driven engineering from design to construction. Algorithms for digital object generation of each component of the cable-stayed bridge were developed. Using these algorithms, Level-3 BIM practices can be realized from design stages. Based on previous practices, digital object library can be accumulated. Basic digital models are modified according to given design conditions by a designer. Once design models are planned, various applications using the models are linked the models such as estimation, drawings and mechanical properties. Federated bridge models are delivered to construction stages. In construction stage, the models can be efficiently revised according to the changed situations during construction phases. In this paper, measured coordinates are imported to the model generation algorithms and revised models are obtained. Augmented reality devices and their applications are proposed. AR simulations in construction site and in office condition are tested. From this pilot test of digital models, it can be said that Level-3 BIM practices can be realized by using in-house modeling algorithms according to different purposes.

• Journal of Information Science Theory and Practice
• /
• v.10 no.4
• /
• pp.3-22
• /
• 2022

This paper provides an overview of the emergence of resource discovery systems and services, along with their advantages, best practices, and current landscapes. It outlines some of the key services and functionalities of a comprehensive discovery model suitable for academic libraries in developing countries. The proposed model (VuFind as a discovery tool) performs like other existing web-scale resource discovery systems, both commercial and open-source, and is capable of providing information resources from different sources in a single-window search interface. The objective of the paper is to provide seamless access to globally distributed subscribed as well as open access resources through its discovery interface, based on a unified index. This model uses Koha, DSpace, and Greenstone as back-ends and VuFind as a discovery layer in the front-end and has also integrated many enhanced search features like Bento-box search, Geodetic search, and full-text search (using Apache Tika). The goal of this paper is to provide the academic community with a one-stop shop for better utilising and integrating heterogeneous bibliographic data sources with VuFind (https://vufind.org/vufind).

• 제어로봇시스템학회:학술대회논문집
• /
• 2000.10a
• /
• pp.211-211
• /
• 2000

The multiple targets tracking problem has been one of main issues in the radar applications area in the last decade. Besides the standard Kalman filtering, various methods including the variable dimension filter, input estimation filter, interacting multiple model (IMM) filter, federated variable dimension filter with input estimation, probable data association (PDA) filter etc. have been proposed to address the tracking and sensor fusion issues. In this paper, two existing tracking algorithms, i.e. the IMMPDA filter and the variable dimension filter with input estimation (VDIE), are combined for the purpose of improving the tracking performance of maneuvering targets in clutter. To evaluate the tracking performance of the proposed algorithm, three typical maneuvering patterns i.e. Waver, Pop-Up, and High-Diver motions, are defined and are applied to the modified IMMPDA filter considered as well as the standard IMM filter. The smaller RMS tracking errors, in position and velocity, of the modified IMMPDA filter than the standard IMM filter are demonstrated through computer simulations.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04a
• /
• pp.427-429
• /
• 2001

인터넷을 기반으로 시스템의 규모가 점차 커짐에 따라 연합된 시스템으로 변화되고 있으며, 더 나아가서는 이러한 분산 시스템들이 모여 보다 광범위한 광역 분산처리 환경을 조성하고 있다. 이러한 환경을 이루어 수많은 객체들은 이름이나 속성에 의해 다양한 중복된 성질을 갖는다. 일반적인 객체들을 찾는 방법으로 객체의 이름에 따른 서비스가 대부분이다. 그러나 점차 객체가 갖는 서비스 내용(속성)을 이용하여 객체를 검색하는 메커니즘의 필요성이 높아지고 있다. 광역 분산처리 환경에서는 객체가 갖는 이름과 속성에 따라 네이밍과 트레이딩 기능을 모두 사용하여 사용자에게 투명한 서비스를 제공해야 한다. 따라서 본 논문에서는 광역 분산 환경에서 네이밍과 트레이딩 서비스의 기능을 혼합한 바인딩 서비스 모델을 제시한다. 이는 이름과 속성기반의 단일 객체뿐만 아니라 중복객체의 효과적인 탐색과 바인딩시 부하분배를 꾀하여 네트워크 상의 부하 균형화를 유지하도록 한다. 이를 위해, 먼저 분산 객체에 대한 모델을 제시하고, 이들을 바인eld 처리 방안 그리고 연합을 위한 모델을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.224-226
• /
• 2023

본 논문에서는 연합학습 모델을 타겟으로 하는 특성 추론 공격 및 방어 기법과 관련된 연구들을 소개한다. 연합학습 시스템에 특화된 2가지 특성 추론 공격 및 이에 대한 방어 기법들에 대해 정리하고, 향후 연구 방향을 조망하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.590-591
• /
• 2024

최근에 개인 데이터의 프라이버시가 중요해 지면서, 딥러닝 분야에서 개인 데이터 프라이버시 보호할 수 있는 연합학습 기술이 주목받고 있다. 특히 5G MEC나 블록체인 환경과 같이 통신 부하 및 지연 시간이 중요한 영역에서 연합학습 모델의 전송 비용 감소에 관한 연구가 활발히 진행 중이다. 본 논문에서는 연합학습 과정에서 효율적인 모델 전송을 위해 레이어 단위로 모델을 전송하는 기법을 제안한다. 실험 결과를 통해, 레이어 단위로 전송함으로써, 전송 데이터는 66% 줄어들 수 있지만, 정확도 변화는 1% 이내임을 확인하였다.