• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권3호
• /
• pp.1100-1118
• /
• 2021

In a wide range of ML applications, the training data contains privacy-sensitive information that should be kept secure. Training the ML systems by privacy-sensitive data makes the ML model inherent to the data. As the structure of the model has been fine-tuned by training data, the model can be abused for accessing the data by the estimation in a reverse process called model inversion attack (MIA). Although, MIA has been applied to shallow neural network models of recognizers in literature and its threat in privacy violation has been approved, in the case of a deep learning (DL) model, its efficiency was under question. It was due to the complexity of a DL model structure, big number of DL model parameters, the huge size of training data, big number of registered users to a DL model and thereof big number of class labels. This research work first analyses the possibility of MIA on a deep learning model of a recognition system, namely a face recognizer. Second, despite the conventional MIA under the white box scenario of having partial access to the users' non-sensitive information in addition to the model structure, the MIA is implemented on a deep face recognition system by just having the model structure and parameters but not any user information. In this aspect, it is under a semi-white box scenario or in other words a gray-box scenario. The experimental results in targeting five registered users of a CNN-based face recognition system approve the possibility of regeneration of users' face images even for a deep model by MIA under a gray box scenario. Although, for some images the evaluation recognition score is low and the generated images are not easily recognizable, but for some other images the score is high and facial features of the targeted identities are observable. The objective and subjective evaluations demonstrate that privacy cyber-attack by MIA on a deep recognition system not only is feasible but also is a serious threat with increasing alert state in the future as there is considerable potential for integration more advanced ML techniques to MIA.

• 한국가정과교육학회지
• /
• 제33권2호
• /
• pp.45-56
• /
• 2021

본 연구는 국민건강영양조사 제 7기 2016년~2018년 자료를 활용하여, 만 12~18세 남녀 청소년 1,068을 대상으로 영양표시 이용여부에 따른 식습관 및 영양소 섭취와 건강행태 등을 비교하여 영양표시 이용과 올바른 식생활 관리를 위한 기초자료로 제공하고자 하였다. 본 연구결과 전체적으로 영양표시를 인지하는 비율은 91.9%였고, 이들 중 영양표시를 이용하는 청소년은 27.9%로 인지율에 비해 이용률이 낮았다. 아침결식률과 외식빈도, 음주, 흡연, 주관적 건강상태의 경우는 영양표시 이용군과 비이용군별 간에 유의적인 차이는 보이지 않았다. 영양소 섭취량의 경우 무기질인 칼슘, 인, 칼륨 섭취량은 이용군이 비이용군의 섭취량 보다 더 높게 나타났다(p<0.01). 영양표시 이용군에게서 섭취 영양소 중 단백질(p<0.05), 칼슘(p<0.01), 인(p<0.01), 칼륨(p<0.01)의 섭취기준 비율이 비이용군에 비해 높게 나타났다. EQ-5D index로 분석한 건강 관련 삶의 질 점수는 영양표시 이용군은 0.97점, 비이용군은 0.96점으로 영양표시 이용군의 삶의 질 점수가 비이용군 보다 더 높았다(p<0.001). 이상의 연구결과 청소년들의 식생활 개선과 영양표시제 관련 영양교육이 매우 필요하며, 청소년들의 합리적인 식품선택을 도와주고 영양표시 활용도를 높일 수 있는 체계적인 영양 교육이 이루어져야 한다. 따라서 본 연구는 청소년의 올바른 영양표시 이용과 식생활 관리를 위한 영양교육의 기초자료를 마련하는데 유용한 정보로 활용 될 수 있을 것으로 기대된다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제28권3호
• /
• pp.55-65
• /
• 2022

X-ray 두개골 영상에서 주요 해부학적 부위들 간의 거리를 계측하는 것은 진단과 치료 등 임상적 의미에서 매우 중요하다. 최근에는 딥러닝 기술의 발전을 바탕으로 랜드마크를 식별 및 검출하는 자동화 시스템들이 제시되고 있다. 이러한 딥러닝 기반 모델을 과적합 없이 학습 시키기 위해서는 대량의 영상과 라벨링 데이터가 필요하다. 기존에는 숙련된 판독의가 환자의 영상에서 랜드마크를 수동으로 식별하여 라벨링하는 방식으로 계측이 이루어져 왔다. 그러나 이러한 계측 방식은 많은 비용이 소요될 뿐만 아니라, 재현성이 떨어지기 때문에 자동화된 라벨링 방법에 대한 필요성이 제기되고 있다. 또한, X-ray 영상에는 광자가 통과하는 경로 상의 여러 인체조직들이 표시되기 때문에 랜드마크 식별이 일반 자연 이미지 또는 삼차원 모달리티 영상에 비해 어렵다. 본 연구에서는 X-ray 영상 내에 대량의 라벨링 데이터 생성을 가능하게 하는 기하학적 데이터 증강 기법을 제안하고 있다. 또한, 두개골 내 주요한 16개 랜드마크들의 검출 성능을 향상시키기 위해 다양한 어텐션 기법들의 구현 및 적용을 통해 랜드마크 검출을 위한 최적의 어텐션 메커니즘을 제시하였다. 마지막으로 주요 두개골 랜드마크들 중 안정적인 검출이 보장되는 마커들을 도출하였으며, 이러한 마커들은 임상적인 활용 가능성이 높을 것으로 기대된다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.1-16
• /
• 2022

Despite recent breakthroughs in deep learning and computer vision fields, the pixel-wise identification of tiny objects in high-resolution images with complex disturbances remains challenging. This study proposes a modified U-net for tiny crack segmentation in real-world steel-box-girder bridges. The modified U-net adopts the common U-net framework and a novel Self-Attention-Self-Adaption (SASA) neuron as the fundamental computing element. The Self-Attention module applies softmax and gate operations to obtain the attention vector. It enables the neuron to focus on the most significant receptive fields when processing large-scale feature maps. The Self-Adaption module consists of a multiplayer perceptron subnet and achieves deeper feature extraction inside a single neuron. For data augmentation, a grid-based crack random elastic deformation (CRED) algorithm is designed to enrich the diversities and irregular shapes of distributed cracks. Grid-based uniform control nodes are first set on both input images and binary labels, random offsets are then employed on these control nodes, and bilinear interpolation is performed for the rest pixels. The proposed SASA neuron and CRED algorithm are simultaneously deployed to train the modified U-net. 200 raw images with a high resolution of 4928 × 3264 are collected, 160 for training and the rest 40 for the test. 512 × 512 patches are generated from the original images by a sliding window with an overlap of 256 as inputs. Results show that the average IoU between the recognized and ground-truth cracks reaches 0.409, which is 29.8% higher than the regular U-net. A five-fold cross-validation study is performed to verify that the proposed method is robust to different training and test images. Ablation experiments further demonstrate the effectiveness of the proposed SASA neuron and CRED algorithm. Promotions of the average IoU individually utilizing the SASA and CRED module add up to the final promotion of the full model, indicating that the SASA and CRED modules contribute to the different stages of model and data in the training process.

• 한국컴퓨터정보학회논문지
• /
• 제27권10호
• /
• pp.11-17
• /
• 2022

본 논문에서는 증강현실 기술을 적용하여 실내 가구 인테리어를 배치하는데 작업의 효율성을 높일 수 있는 모델을 연구하였다. 현재 증강현실을 적용한 기존 시스템에서는 가구의 이미지를 출력할 때 기업 제품의 규모와 성격 등에 따라 정보가 제한적으로 제공되는 문제가 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 AR 레이블링 알고리즘을 제시하였다. AR 레이블링 알고리즘은 촬영된 이미지에서 특징점을 추출하고 실내 위치 정보를 포함한 데이터베이스를 구축하였다. CNN 기법을 활용하여 실내 공간에서 가구의 위치 데이터를 검출해 학습시키는 방법을 채택하였다. 학습한 결과를 통해 실내 위치와 학습시켜 나타낸 위치와의 오차를 현저히 낮출 수 있다는 것을 확인한다. 또한 가구의 정확한 이미지 추출과 함께 가구에 대한 상세한 정보를 받아 사용자가 원하는 가구들을 증강현실을 통해 쉽게 배치할 수 있도록 하는 연구를 진행하였다. 연구 결과 모델의 정확도와 손실률이 99%, 0.026으로 나타나 신뢰성을 확보하여 본 연구가 유의미함을 알 수 있었다. 본 연구 결과는 AR 레이블의 설계, 구현을 통해 원하는 가구들을 실내에 정확히 배치하여 소비자의 만족도와 구매 욕구를 충족시킬 수 있을 것으로 기대된다.

• 한국ITS학회 논문지
• /
• 제21권5호
• /
• pp.274-286
• /
• 2022

이동객체 추적은 컴퓨터 비전 분야에서 오랜 시간 동안 연구가 진행되어 온 분야로 자율주행이나 운전 보조 시스템 등의 시스템에서 아주 중요한 역할을 수행하고 있다. 이동객체 추적 기술은 일반적으로 객체를 검출하는 검출기와 검출된 객체를 추적하는 추적기의 결합으로 이루어져 있다. 검출기는 다양한 데이터셋이 공개되어 사용되고 있기 때문에 쉽게 좋은 모델을 학습할 수 있지만, 추적기의 경우 상대적으로 공개된 데이터셋도 적고 직접 데이터셋을 구성하는 것도 검출기 데이터셋에 비해 굉장히 오랜 시간을 소요한다. 이에 검출기를 따로 개발하고, 별도의 추적기를 학습 기반이 아닌 방식을 활용하여 개발하는 경우가 많은데 이런 경우 두 개의 시스템이 차례로 작동하게 되어 전체 시스템의 속도를 느리게 하고 앞단의 검출기의 성능이 변할 때마다 별도로 추적기 또한 조정해줘야 한다는 단점이 있다. 이에 본 연구는 검출용 데이터셋만을 사용하여 검출과 추적을 동시에 수행하는 모델을 구성하는 방법을 제안한다. 데이터 증강 기술과 샴 네트워크를 사용하여 단일 이미지에서 객체를 검출 및 추적하는 방법을 연구하였다. 공개 데이터셋에 실험을 진행하여 학습 결과 높은 속도로 작동하는 이동객체 검출 및 추적기를 학습할 수 있음을 검증하였다.

• Journal of Nutrition and Health
• /
• 제56권2호
• /
• pp.184-202
• /
• 2023

본 연구는 식품알레르기 경험이 있는 미취학아동의 양육자를 대상으로 양육자가 식품알레르기 관리를 위해 필요한 교육이 무엇인지 파악하고자 하였다. 양육자 400명을 대상으로 2022년 7월 온라인 업체를 통해 설문조사를 진행하였으며, 모든 데이터는 SPSS 통계 (ver. 25)를 사용하여 분석되었다. 미취학아동의 식품알레르기 경험에도 불구하고 양육자의 식품알레르기 지식수준은 낮았다. 특히 '원인식품' (74.2%)과 '식품반응' (65.2%) 관련된 문항의 오답률이 높았다. 또한, 식품알레르기 지식수준을 '상', '중', '하'로 구분하여 평가한 결과 미취학아동의 연령에 따라 아동의 나이가 어릴수록 지식수준이 유의하게 높았다 (p < 0.05). 양육자의 식품알레르기 관리여부를 4가지 문항으로 측정한 결과, '식재료 및 조리기기 분리사용' (50.5%), '식품알레르기 유발표시 확인' (34.0%) 관리율이 낮았다. 식품알레기 진단여부에 따라 식재료 및 조리기기를 분리사용 관리에 유의적인 차이가 있었으며, 의사진단을 받은 미취학아동의 양육자 중 59.4%가 분리사용 관리를 하고 있었다 (p < 0.01). 또한, 식품알레르기 지식이 높아질수록 관리의 총점이 높아졌다 (r = 0.137, p < 0.01). 본 연구결과를 바탕으로 살펴볼 때 지식수준이 낮거나, 자녀가 만 4세 이상, 자가진단을 하는 양육자의 경우 식품알레르기 관리율이 낮았다. 따라서 해당 양육자의 지식수준을 높일 수 있는 '유발식품제한', '식품알레르기 유발표시 확인', '식재료 및 조리기기 분리사용' 하는 방법 등 맞춤 교육이 필요하다고 사료된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권2호
• /
• pp.99-110
• /
• 2023

본 연구는 현 보안 관제 시스템이 직면한 실시간 트래픽 탐지 문제를 해결하기 위해 사이버 위협 프레임워크인 마이터 어택과 머신러닝을 이용하여 유해 네트워크 트래픽을 분류하는 방안을 제안하였다. 마이터 어택 프레임워크에 네트워크 트래픽 데이터셋인 UNSW-NB15를 적용하여 라벨을 변환 후 희소 클래스 처리를 통해 최종 데이터셋을 생성하였다. 생성된 최종 데이터셋을 사용하여 부스팅 기반의 앙상블 모델을 학습시킨 후 이러한 앙상블 모델들이 다양한 성능 측정 지표로 어떻게 네트워크 트래픽을 분류하는지 평가하였다. 그 결과 F-1 스코어를 기준으로 평가하였을 때 희소 클래스 미처리한 XGBoost가 멀티 클래스 트래픽 환경에서 가장 우수함을 보였다. 학습하기 어려운 소수의 공격클래스까지 포함하여 마이터 어택라벨 변환 및 오버샘플링처리를 통한 머신러닝은 기존 연구 대비 차별점을 가지고 있으나, 기존 데이터셋과 마이터 어택 라벨 간의 변환 시 완벽하게 일치할 수 없는 점과 지나친 희소 클래스 존재로 인한 한계가 있음을 인지하였다. 그럼에도 불구하고 B-SMOTE를 적용한 Catboost는 0.9526의 분류 정확도를 달성하였고 이는 정상/비정상 네트워크 트래픽을 자동으로 탐지할 수 있을 것으로 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.27-30
• /
• 2022

기존의 공정방식에 비해 효율성이나 환경적 면에서 많은 장점을 가진 플라즈마 공정은 반도체 제작에서 널리 사용되고 있다. Plasma Sheath란 플라즈마 bulk와 그 것을 둘러싸고 있는 챔버 벽면과 전극 사이에서 관찰되는 어두운 영역으로 양이온과 전자의 이동속도 차이로 인해 발생한다. Plasma Sheath Monitoring Sensor (PSMS)는 플라즈마와 전극 사이의 전압(Voltage) 차이와 전극에 걸리는 RF power 등을 실시간으로 측정하는 센서로서 플라즈마 챔버 내에서 플라즈마의 상태와 매우 상관도가 높을 것으로 기대된다. 본 연구에서는 PSMS 데이터를 활용하여 플라즈마 챔버 내의 질소이온의 상태를 예측하는 모형을 딥러닝 기계학습 기법을 이용하여 구축하였다. 연구에 사용된 데이터는 파워와 압력을 달리 셋팅한 실험에서 측정된 PSMS 데이터를 학습데이터로 활용하고 플라즈마 bulk와 Si substrate에서 측정된 질소 이온의 비율, 플럭스, 밀도를 레이블로 활용하였다. 본 연구의 결과는 향후 플라즈마 공정의 최적화 및 실시간 정밀제어를 위한 인공지능 기술의 기초가 될 것으로 기대된다.

• 한국식생활문화학회지
• /
• 제22권2호
• /
• pp.235-245
• /
• 2007

This study was undertaken to develop web-based nutrition information contents for the older adults. Twenty six domestic web-sites were analyzed and then 12 foreign web-sites and 4 education materials for the elderly of foreign university were benchmarked. Also a lot of literatures on elderly education program were reviewed. A card-sorting task was performed with 8 older adults to ascertain how the target audience organized information about nutrition. The results were as fellows. Among 26 domestic web-sites, 2 sites(7.7%) were only for the elderly. Main topics of information contents for the elderly included 'Importance of Healthy Eating', 'DRI', 'Dietary Guidelines'. Four of twelve foreign web-sites were for the elderly nutrition education. Topics of 'Dietary Guideline', 'Meal Program' were found in 4 sites and 'Importance of Healthy Eating', 'Diet & Disease', 'DRI, 'Food Guide Pyramid', 'Nutrition Fact Labels' were found in 3 sites. Education materials of foreign university dealt with basic information on 'nutrient needs changes related with aging', 'Heart & Bone Healthy Eating Plan', 'Food Guide Pyramid'. Also topics on 'Eating on a budget', 'Eating Out Guideline' were included for practical use for the elderly. Based on card-sorting process, contents framework for web-site was developed and 4 main menus for framework were respectively named as 'Nutrition', 'Meals', 'Foods'. 'Check up Nutritional Health' by panel discussion. Finally we developed nutrition information contents for 4 main menus. We focused on helping older adults recognize the importance of healthy eating and apply the nutrition information to practical use. We expect that the developed framework of contents can be a guideline for indentifying the information needs of older adults in developing effective nutrition intervention program. And we suggest that the survey for target people should be peformed for the web-site to be user-friendly designed and the developed contents be evaluated and revised in the near future.