• 정보보호학회논문지
• /
• 제30권6호
• /
• pp.1291-1300
• /
• 2020

최근 딥러닝 기반 비프로파일링 부채널 분석이 제안됐다. 딥러닝 기반 비프로파일링 분석은 신경망 모델을 모든 추측키에 대해 학습시킨 뒤, 학습된 정도의 차이를 통해 올바른 비밀키를 찾아내는 기법이다. 이때, 신경망 학습모델 설계에 따라 비프로파일링 분석성능이 크게 달라지기 때문에 올바른 모델 설계의 기준이 필요하다. 본 논문은 학습모델 설계에 사용 가능한 2가지 loss 함수와 8가지 label 기법을 설명하고, 비프로파일링 분석과 소비전력모델 관점에서 각 label 기법의 분석성능을 예측했다. 해밍웨이트 소비전력모델을 가정했을 때의 비프로파일링 분석 특징을 고려해서 One-hot 인코딩을 적용하지 않은 HW(Hamming Weight) label과 CO(Correlation Optimization) loss를 적용한 학습모델이 가장 좋은 분석성능을 가질 것으로 예측했다. 그리고 AES-128 1라운드 Subbytes 연산 부분 데이터 집합 3가지에 대해 실제 분석을 수행했다. 제시한 각 label 기법과 loss 함수를 적용한 총 16가지 MLP(Multi-Layer Perceptron)기반 학습모델로 두 데이터 집합을 비프로파일링 분석하여 예측에 대해 검증했다.

• 한국정보과학회논문지:정보통신
• /
• 제27권2호
• /
• pp.219-225
• /
• 2000

적절한 이동 인터넷 서비스를 제공하기 위해서는 IP의 이동성을 제공하는 Mobile IP의 지원이 필요하며 이를 위한 서비스 네트웍의 구축을 위해서는 속도, 확장성 그리고 서비스 제공능력이 뛰어난 IETF(Internet Engineering Task Force)의 MPLS(Multi-protocol Label Switching)로 구성이 바람직하다. 본 논문은 현재 MPLS표준화에서 이동성을 지원하는 노력을 하고있지 않은 상태에서 Mobile IP를 효율적으로 수용하는 MPLS 구조를 제시한다. 제시하는 구조는 Mobile IP의 등록 메시지와 MPLS 레이블의 분배를 결합하여 망 내의 터널링 시 3계층의 캡슐화가 아닌 2계층을 터널링을 활용하여 헤더의 남용을 막고 홈 에이전트로 유입되는 패킷들이 이동성 바인딩 리스트를 참조하지 않고 지연 없이 망 내로 터널링 될 수 있는 구조를 보여준다. 제시하는 구조는 특히 무선 망과의 연동과 인터넷과의 연동 기능을 수행하는 IMT-2000망에서 이동 인터넷을 위한 서비스 패킷 망의 기본 구조로 활용될 수 있다.

• 대한전자공학회논문지TC
• /
• 제38권12호
• /
• pp.29-38
• /
• 2001

최근 인터넷 사용자와 인터넷을 통한 다양한 서비스들의 증가로 인한 확장성의 문제점을 해결하기 위하여 IETF(Internet Engineering Task Force)는 새로운 스위칭 기술인 MPLS(Multi-Protocol Label Switching) 기술을 소개하였다. 본 논문에서는 ATM 기반 MPLS망에서 라우터의 레이블 공간을 효율적으로 사용하여 망의 확장성을 높이기 위한 방안인 레이블 통합 기능이 탑재된 LSR(Label Switching Router)을 구현한다. 차등서비스(Differentiated Service)를 제공함에 있어서 레이블 통합 기능을 수행할 수 있는 적합한 구조를 제안하며, 망 폭주 발생 가능성이 있을 시 EPD(Early Packet Discard) 알고리즘을 통한 적응적 폭주 제어를 행함으로써 네트워크 자원의 낭비를 막고, VC-merge와 Non VC-merge 기법을 시뮬레이션을 통해 각각 비교 분석하였다. 제안한 스위치를 VHDL 모델링을 통하여 설계하고, 삼성 $0.5{\mu}m$ SOG 공정을 이용하여 칩을 제작하였다.

• 한국정보통신학회논문지
• /
• 제18권6호
• /
• pp.1330-1336
• /
• 2014

QoS기술과 전송기술의 고도화로 실시간 통신과 다양한 응용서비스가 가능하며 요즘 모바일기기의 보급화와 LTE기술의 발전으로 멀티미디어 서비스가 고품질 구현이 가능하다. 이러한 조건을 만족시키기 위해서는 단순히 대역폭 확장과 라우터 증가와 라우팅 테이블의 증가를 고려하여 망의 확장성 문제가 포함되어진다. 트래픽 폭주에 따른 데이터를 분산할 수 있는 환경이 중심이 되어야 된다. 그러기 위해서는 현재 수신지 기반 라우팅 방식을 송신지 기반 (Source routing )의 라우팅 설정이 필요하다. 본 논문에서는 IETF에서 발표한 표준화인 IP스위칭 방식 기반의 레이블 스위칭 프로토콜인 Multi-Protocol Label Switching(MPLS)을 이용하여 기존망의 Best Effect로 멀티미디어 전송에 QoS보장이 힘든 환경을 최적화된 MPLS망을 이용 QoS를 보장하여 멀티캐스트를 전송하도록 한다.

• 한국통신학회논문지
• /
• 제37C권12호
• /
• pp.1195-1210
• /
• 2012

본 논문에서는 Generalized-Multiprotocol Label Switching(GMPLS) Path computation element(PCE) 표준 프로토콜을 확장하여 캐리어 이더넷 망을 제어하기 위해 새로운 시그널링 프로토콜을 정의한다. 제안된 프로토콜은 표준 GMPLS PCE 프로토콜과 호환성을 가지면서도 표준 프로토콜에서 경로 정보만을 제공하는 것을 확장하여 계산된 경로를 망에 자동 구성이 가능하도록 확장된 하이브리드 형 프로토콜이다. 또한 제안한 프로토콜을 직접 구현하여 실제 상용 장비에 적용하고 시험을 통해 제안된 프로토콜의 정확성과 상호 운용성을 검증하였으며 시뮬레이션을 통하여 프로토콜의 성능도 분석하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 제13회 춘계학술대회 및 임시총회 학술발표 논문집
• /
• pp.686-691
• /
• 2000

최근 들어 인터넷의 사용이 급격히 증가함에 따라 인터넷의 백본망에는 패킷 전달의 고속성, 확장성 뿐만 아니라 QOS 보장을 요구하게 되었다. 효과적인 인터넷 백본망을 구현하기 위해 본 논문에서는 Multi-Protocol Label Switching(MPLS)를 고려하고 MPLS 에서 인터넷 Quality Of Service(QOS) 서비스 모델 중 백본망에 적합한 Differentiated Service(DS) 모델을 그대로 제공하기 위해 MPLS 와 DS 의 연동에 대한 문제를 다룬다. 우선 MPLS 에서 QOS 제공을 위한 기능요소를 정성적으로 분석한다. 그리고 두 DS 망 가운데 ATM 기반의 MPLS 망을 두고 있는 경우를 가정하여, 종단대 종단간 DS 제공을 위하여 DS 망과 MPLS 망에서의 시그널링 과정을 제안한다. 즉, DS 의 BB 로부터 SLA 를 위한 신호를 MPLS 의 입구 라우터에서 해석하여 DS Type-Length-Value(TLV)를 만들고 이를 이용하여 Constraint-based Label Distribution Protocol(CR-LDP) 시그널링을 통해 마다 Label-Only-Inferred-PSC LSP(L-LSP)를 설립하여 MPLS 에서 DS QOS 를 그대로 제공한다. 또한 입구 DS BB 로부터의 정보를 MPLS 망을 통해 BB 에게 보낸다.

• 융합보안논문지
• /
• 제12권3호
• /
• pp.35-43
• /
• 2012

최근 스마트 폰과 같은 다양한 단말의 보급이 확대됨에 따라 지속적인 트래픽 증가로 인해 이를 처리하기 위한 전달망 및 통신망 제어기술 또한 급속히 발전하고 있다. 이러한 추세를 반영하여 차세대 네트워크는 다양한 스위칭 계층으로 구성되고 이를 Generalized Multi-Protocol Label Switching(GMPLS) 프로토콜로 제어하는 형태로 구성될 것이다. 그러나 다계층 네트워크에서의 장애는 보호 복구 기능들 간의 충돌을 유발하여, 복구 시간의 지연, 망 자원의 비효율적 사용 등을 초래할 수 있다. 따라서 계층별 보호 복구 기능 간의 신속한 복구 경로설정이 다계층 네트워크에서 가장 중요한 과제가 되었다. 본 논문에서는 PCE(Path Computation Element)를 기반으로 다계층, 다중 도메인 네트워크에서 최적의 트래픽 엔지니어링을 지원하기 위한 기법을 제안하였다.

• 한국정보전자통신기술학회논문지
• /
• 제1권2호
• /
• pp.107-122
• /
• 2008

통신망은 크게 누구든지 접속할 수 있는 공중망과 해당 조직 내의 사람들만이 접속할 수 있는 사설망으로 구분할 수 있는데, 공중망의 회선비용 절감과 사설망의 신뢰성 있는 보안 통신 지원이라는 장점만을 부각시킨 것이 VPN이라 할 수 있다. 본 연구에서는 3계층 터널링 기법을 사용하는 IPSec VPN과 2계층 스위칭 기법과 3계층 라우팅 기술을 접목한 새로운 스위칭 기법을 이용하는 MPLS(Multi Protocol Label Switching), 그리고 전용회선을 보안측면에서 비교 분석하였다. VPN이 비용면이나 보안측면에서 전용회선보다 우수하며, IPSec VPN과 MPLS VPN을 비교해보면 안전한 데이터 전송을 위한 보안 유지, 비용 절감, QoS 제공, 운영 및 관리의 유연성을 보장하고, 오히려 IPSec VPN의 문제점을 보완하는 MPLS VPN이 차세대 VPN이라 할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.541-543
• /
• 2022

In recent years, retinal disorders have become a serious health concern. Retinal disorders develop slowly and without obvious signs. To avoid vision deterioration, early detection and treatment are critical. Optical coherence tomography (OCT) is a non-invasive and non-contact medical imaging technique used to acquire informative and high-resolution image of retinal area and underlying layers. Disease signs are difficult to detect because OCT images have many areas which are not related to any disease. In this paper, we present a deep learning-based method to perform multi-label classification on a long-tailed OCT dataset. Our method first extracts the region of interest and then performs the classification task. We achieve 98% accuracy, 92% sensitivity, and 99% specificity on our private OCT dataset. Using the heatmap generated from trained convolutional neural network, our method is more robust and explainable than previous approaches because it focuses on areas that contain disease signs.

• Nuclear Engineering and Technology
• /
• 제56권2호
• /
• pp.558-567
• /
• 2024

Diagnostic support systems are being researched to assist operators in identifying and responding to abnormal events in a nuclear power plant. Most studies to date have considered single abnormal events only, for which it is relatively straightforward to obtain data to train the deep learning model of the diagnostic support system. However, cases in which multiple abnormal events occur must also be considered, for which obtaining training data becomes difficult due to the large number of combinations of possible abnormal events. This study proposes an approach to maintain diagnostic performance for multiple abnormal events by training a deep learning model with data on single abnormal events only. The proposed approach is applied to an existing algorithm that can perform feature selection and multi-label classification. We choose an extremely randomized trees classifier to select dedicated monitoring parameters for target abnormal events. In diagnosing each event occurrence independently, two-channel convolutional neural networks are employed as sub-models. The algorithm was tested in a case study with various scenarios, including single and multiple abnormal events. Results demonstrated that the proposed approach maintained diagnostic performance for 15 single abnormal events and significantly improved performance for 105 multiple abnormal events compared to the base model.