• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권10호
• /
• pp.363-372
• /
• 2022

최근 코로나 19 팬더믹 이후 원격근무의 확대와 더불어 랜섬웨어 팬더믹이 심화하고 있다. 현재 안티바이러스 백신 업체들이 랜섬웨어에 대응하고자 노력하고 있지만, 기존의 파일 시그니처 기반 정적 분석은 패킹의 다양화, 난독화, 변종 혹은 신종 랜섬웨어의 등장 앞에 무력화될 수 있다. 이러한 랜섬웨어 탐지를 위한 다양한 연구가 진행되고 있으며, 시그니처 기반 정적 분석의 탐지 방법과 행위기반의 동적 분석을 이용한 탐지 연구가 현재 주된 연구유형이라고 볼 수 있다. 본 논문에서는 단일 분석만을 이용하여 탐지모델에 적용하는 것이 아닌 ".text Section" Opcode와 실제 사용하는 Native API의 빈도수를 추출하고 K-means Clustering 알고리즘, 코사인 유사도, 피어슨 상관계수를 이용하여 선정한 특징정보들 사이의 연관성을 분석하였다. 또한, 타 악성코드 유형 중 웜과 Cerber형 랜섬웨어를 분류, 탐지하는 실험을 통해, 선정한 특징정보가 특정 랜섬웨어(Cerber)를 탐지하는 데 특화된 정보임을 검증하였다. 위와 같은 검증을 통해 최종 선정된 특징정보들을 결합하여 기계학습에 적용하여, 최적화 이후 정확도 93.3% 등의 탐지율을 나타내었다.

• 한국항해항만학회지
• /
• 제48권3호
• /
• pp.164-170
• /
• 2024

등부표는 해상에 부유하는 구조물로, 해양 기상 등 외력에 의해 표류하여 위치가 고정되어 있지 않고 이동하므로 등부표의 유실 또는 위치 이탈을 감시하는 것이 필요하다. 이에 해양수산부는 등부표의 과거 위치 데이터를 기반으로 등부표별 위치패턴을 분석하여 등부표의 위치 이탈에 대한 경보를 제공하고자 한다. 하지만, 매 2년 주기로 실시되는 인양점검에 의해 등부표의 위치패턴이 변화하므로, 인양점검 후 새로운 위치패턴을 분석하여 위치를 감시하는 것이 필요하다. 본 연구에서는 볼록 껍질 알고리즘과 거리 기반 군집 알고리즘을 사용하여 다양한 기간 동안의 등부표 위치 데이터를 분석하였다. 또한, 등부표의 정확한 위치패턴 인식을 위한 최적의 데이터 수집 기간을 식별하였다. 연구 결과, 안정적인 위치패턴을 확립하는 최적의 데이터 수집기간은 9주이며, 위치 데이터의 약 89.8%를 설명할 수 있는 것으로 나타났다. 본 연구 결과는 위치패턴 기반 등부표 관리 기능을 향상하는 데 활용될 수 있으며, 효과적인 모니터링과 등부표 위치 이탈 여부의 조기 감지에 기여할 것으로 기대한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권1호
• /
• pp.413-435
• /
• 2018

Although the accuracy of handwritten character recognition based on deep networks has been shown to be superior to that of the traditional method, the use of an overly deep network significantly increases time consumption during parameter training. For this reason, this paper took the training time and recognition accuracy into consideration and proposed a novel handwritten character recognition algorithm with newly designed network structure, which is based on an extended nonlinear kernel residual network. This network is a non-extremely deep network, and its main design is as follows:(1) Design of an unsupervised apriori algorithm for intra-class clustering, making the subsequent network training more pertinent; (2) presentation of an intermediate convolution model with a pre-processed width level of 2;(3) presentation of a composite residual structure that designs a multi-level quick link; and (4) addition of a Dropout layer after the parameter optimization. The algorithm shows superior results on MNIST and SVHN dataset, which are two character benchmark recognition datasets, and achieves better recognition accuracy and higher recognition efficiency than other deep structures with the same number of layers.

• 한국컴퓨터정보학회논문지
• /
• 제24권8호
• /
• pp.19-28
• /
• 2019

In this paper, an online video summarization algorithm based on multiple object detection is proposed. As crime has been on the rise due to the recent rapid urbanization, the people's appetite for safety has been growing and the installation of surveillance cameras such as a closed-circuit television(CCTV) has been increasing in many cities. However, it takes a lot of time and labor to retrieve and analyze a huge amount of video data from numerous CCTVs. As a result, there is an increasing demand for intelligent video recognition systems that can automatically detect and summarize various events occurring on CCTVs. Video summarization is a method of generating synopsis video of a long time original video so that users can watch it in a short time. The proposed video summarization method can be divided into two stages. The object extraction step detects a specific object in the video and extracts a specific object desired by the user. The video summary step creates a final synopsis video based on the objects extracted in the previous object extraction step. While the existed methods do not consider the interaction between objects from the original video when generating the synopsis video, in the proposed method, new object clustering algorithm can effectively maintain interaction between objects in original video in synopsis video. This paper also proposed an online optimization method that can efficiently summarize the large number of objects appearing in long-time videos. Finally, Experimental results show that the performance of the proposed method is superior to that of the existing video synopsis algorithm.

• 제어로봇시스템학회논문지
• /
• 제16권12호
• /
• pp.1150-1158
• /
• 2010

In this study, the Polynomial-based Radial Basis Function Neural Networks is proposed as one of the recognition part of overall face recognition system that consists of two parts such as the preprocessing part and recognition part. The design methodology and procedure of the proposed pRBFNNs are presented to obtain the solution to high-dimensional pattern recognition problem. First, in preprocessing part, we use a CCD camera to obtain a picture frame in real-time. By using histogram equalization method, we can partially enhance the distorted image influenced by natural as well as artificial illumination. We use an AdaBoost algorithm proposed by Viola and Jones, which is exploited for the detection of facial image area between face and non-facial image area. As the feature extraction algorithm, PCA method is used. In this study, the PCA method, which is a feature extraction algorithm, is used to carry out the dimension reduction of facial image area formed by high-dimensional information. Secondly, we use pRBFNNs to identify the ID by recognizing unique pattern of each person. The proposed pRBFNNs architecture consists of three functional modules such as the condition part, the conclusion part, and the inference part as fuzzy rules formed in 'If-then' format. In the condition part of fuzzy rules, input space is partitioned with Fuzzy C-Means clustering. In the conclusion part of rules, the connection weight of pRBFNNs is represented as three kinds of polynomials such as constant, linear, and quadratic. Coefficients of connection weight identified with back-propagation using gradient descent method. The output of pRBFNNs model is obtained by fuzzy inference method in the inference part of fuzzy rules. The essential design parameters (including learning rate, momentum coefficient and fuzzification coefficient) of the networks are optimized by means of the Particle Swarm Optimization. The proposed pRBFNNs are applied to real-time face recognition system and then demonstrated from the viewpoint of output performance and recognition rate.

• 한국통신학회논문지
• /
• 제35권11B호
• /
• pp.1704-1709
• /
• 2010

무기체계 시스템 개발에서는 분명히 기술 선도국이 존재하고 무기체계 개발경쟁에서 앞서 있는 것을 부인할 수 없는데, 여기에 더불어 시스템의 설계 정보에 접근이 거의 불기능하다는 것도 현실이다. 따라서 이미 배치되어 운용되고 있는 선도 시스템과 유사한 무기체계 시스템의 개발이 필요한 경우의 개발 방법론이 필요하다. 한 가지 접근 방법으로 기존에 선진국에서 개발된 유사한 시스템을 분석하여 설계 정보로 참조하고, 이를 기반으로 추가적으로 설계 최적화에 대한 노력을 수행하는 것을 제시할 수 있다. 본 연구에서는 설계정보의 접근에 제약이 있는 선진 시스템에 대해 역공학 분석을 수행하여 설계 정보를 추출하여 정리해서 대상시스템의 기반 설계 정보로 활용하고 이 설계 정보들을 DSM 기법을 활용하여 최적화 설계 구조로 개선하는 방법을 제시하였다. 시스템의 설계 예로 유도무기체계 개발에 적용하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.342-345
• /
• 2014

기계학습을 이용한 네트워크 침입탐지시스템은 선택된 특징 조합에 따라 정확성 및 효율성 측면에서 크게 영향을 받는다. 하지만 일반적으로 사용되는 침입탐지용 특징들로부터 최적의 조합을 찾아내는 일은 많은 계산량을 요구한다. 예를 들어 n개로 구성된 특징들로부터 가능한 특징조합은 $2^n-1$ 개이다. 본 논문에서는 이러한 문제를 해결하기 위한 최적 특징 선택 알고리즘을 제시한다. 제안한 알고리즘은 최적화 문제 해결을 위한 대표적인 메타 휴리스틱 알고리즘인 지역탐색 알고리즘에 기반 한다. 또한 특징 조합을 평가를 위해 선택된 특징 요소와 k-means 군집화 알고리즘을 이용해 구해진 군집화의 정확성을 비용함수로 사용한다. 제안한 특징 선택 알고리즘의 평가를 위해 NSL-KDD 데이터와 인공 신경망을 사용해 특징 모두를 사용한 경우와 비교한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권2호
• /
• pp.311-326
• /
• 2024

The rapid development of neural network technology promotes the neural network model driven by big data to overcome the texture effect of complex objects. Due to the limitations in complex scenes, it is necessary to establish custom template matching and apply it to the research of many fields of computational vision technology. The dependence on high-quality small label sample database data is not very strong, and the machine learning system of deep feature connection to complete the task of texture effect inference and speculation is relatively poor. The style transfer algorithm based on neural network collects and preserves the data of patterns, extracts and modernizes their features. Through the algorithm model, it is easier to present the texture color of patterns and display them digitally. In this paper, according to the texture effect reasoning of custom template matching, the 3D visualization of the target is transformed into a 3D model. The high similarity between the scene to be inferred and the user-defined template is calculated by the user-defined template of the multi-dimensional external feature label. The convolutional neural network is adopted to optimize the external area of the object to improve the sampling quality and computational performance of the sample pyramid structure. The results indicate that the proposed algorithm can accurately capture the significant target, achieve more ablation noise, and improve the visualization results. The proposed deep convolutional neural network optimization algorithm has good rapidity, data accuracy and robustness. The proposed algorithm can adapt to the calculation of more task scenes, display the redundant vision-related information of image conversion, enhance the powerful computing power, and further improve the computational efficiency and accuracy of convolutional networks, which has a high research significance for the study of image information conversion.

• 방송공학회논문지
• /
• 제22권1호
• /
• pp.28-41
• /
• 2017

본 논문에서는 사람의 인지특성을 기반으로 대조 민감도에 의해 나타나는 특성을 모델링 한 JND (Just Noticeable Difference) 모델을 비디오 코딩에 적용하여 압축률을 높이는 방법을 제안한다. 제안하는 방법은 JND 모델에 따른 임계치를 기준으로 양자화 단계에서 비가시 신호를 제한하여 주관적 화질을 유지하면서 비트율을 낮추는 방법으로, 변환을 통해 주파수 도메인으로 변환된 잔차 신호들을 양자화 단계에서 입력으로 받아 신호제한 및 양자화를 수행한다. 양자화 단계에서 주파수 도메인의 신호가 JND 관점에서 유사하게 인지되는 기준 임계치를 구해 잔차 신호에서 비가시 신호를 제한하고 양자화를 수행한 후, 최적의 율-인지왜곡 비용을 갖는 양자화 계수를 선택함으로써 비트율을 절감시킨다. 제안하는 알고리즘의 성능 검증은 최신 비디오 압축 표준인 HEVC (High Efficiency Video Coding)의 참조 소프트웨어인 HM16.0에 적용했으며, CTC (Common Test Condition)의 Random Access 모드에서 HM 16.0을 통해 압축된 영상 대비 평균 4.11%, BQTerrace 영상의 양자화 파라미터 22에서 최대 17.22%의 비트율 절감을 보였으며, Low Delay 모드에서 평균 7.16%, 최대 22.55%, All intra 모드에서 평균 13.41%, 최대 21.64%의 비트율 절감을 보였다. 5명의 평가자들의 주관적 화질 측정으로 평균 DMOS (Difference Mean Opinion Score) 값은 최대 약 0.36 최소 0 정도의 분포를 보였다.

• 대한토목학회논문집
• /
• 제43권3호
• /
• pp.337-352
• /
• 2023

일반적으로 강우-유출모형의 매개변수 최적화는 가용 자료 전체를 대상으로 수행하여 고유의 매개변수 집합을 활용한다. 그러나, 계절에 따른 강수량의 편차가 큰 국내의 기후 특성과 더불어 기후변화로 인하여 계절성에 따른 편차 및 변동성이 증가할 것으로 전망되고 있어, 물 수요자들에 대한 안정적인 공급을 위한 장기간의 계획에서 계절성을 반영한 매개변수 추정은 효율적인 물배분에 중요한 요소라 할 수 있다. 본 연구에서는 기후특성에 따른 강우-유출모형의 변동성을 분석하기 위하여 소양강댐 유역을 대상으로 GR4J 강우-유출모형을 활용한 지역적 민감도 분석을 수행하였으며, 산출된 민감도 분석 결과와 기상자료를 결합하여 SOM을 활용해 군집화하였다. 이를 통해 계절 분리를 수행하고 각 계절의 특징을 분석하여 강우-유출모형의 보정 기법을 개발하였으며, 통계적 지표를 이용하여 성능을 평가하였다. 결과적으로 비교적 유량이 적은 Cold 기간의 모형 성능이 개선되는 것을 확인할 수 있었다. 이는 몬순기후 등 강수편차가 큰 지역을 대상으로 수문모형의 성능 및 예측도를 높일 수 있을 것으로 판단된다.