• 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:시스템및이론
• /
• 제37권5호
• /
• pp.292-303
• /
• 2010

온칩(on-chip) 캐쉬는 외부 메모리로의 접근을 감소시키며 빈번하게 접근되기 때문에 내장형 시스템의 성능과 에너지 소비 측면에서 중요한 역할을 한다. 본 논문에서는 내장형 시스템에 맞추어 설계된 2-레벨 데이터 캐쉬 메모리 구조를 제안하고자 한다. 레벨1(L1) 캐쉬의 구성으로 작은 크기, 직접시장(direct-mapped) 그리고 바로쓰기(write-through)를 채용한다. 대조적으로 레벨2(L2) 캐쉬는 보통의 캐쉬 크기와 집합연관(set-associativity) 그리고 나중쓰기(write-back) 정책을 채용한다. 결과적으로 L1 캐쉬는 빠른 접근 시간을 가지며 (한 사이클 이내) L2 캐쉬는 전체 캐쉬의 미스율(global miss rate)을 낮추는데 효과적이다. 작은 크기의 L1 데이터 캐쉬로 인한 증가된 캐쉬 미스율(miss rate)을 줄이기 위해 ECP(Early Cache hit Predictor)기법을 제안하였다. 제안된 ECP기법은 L1 캐쉬 히트 예측을 통해서 요청된 데이터가 L1 캐쉬에 있는지 예측할 수 있으며 추가적으로, ALU를 필요로 하지 않고 빠르게 유효주소(effective address)계산을 할 수 있다. 또한, 두 캐쉬 계층간 바로쓰기(write-through) 정책에서 오는 빈번한 L2 캐쉬 접근으로 인한 에너지 소비를 줄이기 위해 지정웨이 쓰기(one-way write) 기법을 제안하였다. 제안된 지정웨이 쓰기 기법을 이용하면 바로쓰기 정책으로 인한 L1 캐쉬에서 L2 캐쉬로의 쓰기 접근시 태그(tag) 비교 과정을 거치지 않고 하나의 지정된 웨이를 바로 접근할 수 있다. 사이클 단위 정확도의 시뮬레이터와 내장형 벤치마크를 이용한 실험 결과 본 논문에서 제안한 2-레벨 데이터 캐쉬 메모리 구조는 평균적으로 3.6%의 성능향상과 50%의 데이터 캐쉬 에너지 소비를 감소 시켰다.

• 해양환경안전학회:학술대회논문집
• /
• 해양환경안전학회 2007년도 춘계학술발표회
• /
• pp.203-210
• /
• 2007

본 논문은 해사위성 통신을 이용한 기상 예보 데이터를 수신하여 운항 선박의 최적 항로 안전 평가 시스템 개발에 관한 내용을 다룬다. 예로부터 선장은 경험적으로 기상, 선박 제원 상태 및 운항 일정을 고려하여 최적의 항로를 선택하여 항해하여 왔다. 이는 선장의 경험을 바탕으로 해류나 파랑에 대한 기상 예보 정보를 활용하여 최적항로를 결정하는 것으로 아직까지 선상에서 항로 결정을 보조해주는 디지털화한 시스템은 그 사례를 찾아보기 힘들다. 본 논문에서는 선박의 운항 효율성과 안전성 관점에서 구성되어져 있는 선상 최적 항로 안전 평가 시스템을 소개한다. 선사와 선장이 요구하는 효율적인 항해를 위해서는 도착예정시간 및 연료소모량을 최소로 하는 최적 항로를 구한다. 이는 선박의 파랑 중 부가저항에 기초를 둔 신속 저하 및 마력 증가를 고려하여 계산한다. 안전성 관점에서는 3D 판넬법에 기초를 둔 선박의 내항 계산을 본 시스템에서 구현하여 내항 평가를 수행하며, 기본적으로 기상 예보는 시스템을 구동하기 위해 우선적으로 확보되어져야만 한다.

• 경제분석
• /
• 제27권4호
• /
• pp.1-42
• /
• 2021

우리나라 소비자물가상승률에 대한 예측은 한국은행의 물가안정목표제 운용, 채권시장 참가자의 만기 포트폴리오 최적화, 부동산 시장 및 민간의 소비와 투자 등 경제 전반에 지대한 영향을 미친다. 본 연구는 향후 3년간 우리나라 소비자물가상승률 예측결과를 제시한다. 이를 위해 우선 자기회귀시차(Autoregressive Distributed Lag, ADL) 모형, AR 모형, 소규모 벡터자기회귀(VAR) 모형, 대규모 VAR 모형의 표본외 예측력을 기준으로 모형선택을 실시한다. 물가상승률에는 다수의 잠재적인 예측변수가 존재하기 때문에 12개의 거시변수를 대상으로 ADL 모형에 베이지안 변수선택기법을 도입하고, 예측력 향상을 위한 정밀한 튜닝과정을 고안하고 적용하였다. VAR 모형에는 미네소타 사전분포를 설정하여 차원의 저주 문제를 극복하고자 하였다. 최근 5년을 대상으로 한 장단기 표본외 예측결과, ADL 모형이 점예측과 분포예측 모두에서 여타 경쟁모형에 비해 전반적으로 우월하였다. 예측조합을 통한 예측결과, 우리나라 소비자물가상승률이 2022년 하반기까지는 현재 비슷한 2% 내외의 수준을 유지할 것으로 보이며, 2023년 상반기부터는 1% 내외로 하락할 것으로 전망된다. 80% 신용구간은 예측치의 대략 ±1%p이다.

• 대한전자공학회논문지SD
• /
• 제44권5호
• /
• pp.58-65
• /
• 2007

휴대용 단말기에서의 멀티미디어 정보의 이용이 일반화 되면서 동영상 압축 등의 데이터 처리를 위한 연산량이 크게 증가하고 있다. 특히, 휴대용 단말기에서의 소모 전력 감소와 실시간 처리를 위한 다양한 연구가 진행되고 있다. 본 연구에서는 H.264 인코더에서 67% 이상의 많은 연산량을 차지하는 움직임 추정기를 새로운 구조로 설계하였다. 근사적인 SAD를 사용하여 움직임을 예측하고 Alternative Row Scan (ARS) 방법을 개발하였으며, DAU, FDVS 알고리즘을 사용하여, JM8.2에 제시된 다중 프레임 움직임 추정보다 연산량을 평균적으로 75%이상 감소시켰다. 또한, 다중 프레임 움직임 추정에서의 적절한 참조 프레임 수와 참조 프레임 블록의 크기를 결정하여 연산량을 감소시키면서도 화질 열화가 거의 없도록 하였다. iPROVE 검증툴을 사용하여 하드웨어/소프트웨어 Co-Simulation을 수행하여 제안한 움직임 추정기가 정상 동작함을 확인하였으며, 50MHz에서 30 CIF frames/sec가 처리됨을 확인하였다.

• 대한기계학회논문집
• /
• 제13권3호
• /
• pp.345-352
• /
• 1989

본 연구에서는 3차원 변형형상을 갖는 소재에서 상하금형면의 마찰이 다른 경우에, 작각주 소재와 비직각주 소재(non-prismatic block)에 대해서 적용할 수 있는 동적 가용 속도장(kinematically admissible velocity field)을 유도해 내고자 한다.이론계산에 있어서 가공경화를 고려하기 위해 소성변형 영역을 유한개의 요소들로 나누고 이들 각 요소에 대해서 유효변형도, 유효응력을 계산하여 에너지 소비율을 계산하였다.

• 한국시뮬레이션학회논문지
• /
• 제30권4호
• /
• pp.1-8
• /
• 2021

복잡하고 비선형적인 특징을 갖는 시계열 데이터를 예측하기 위해 딥러닝 기법이 널리 사용되고 있다. 본 연구에서는 최근에 개발된 WaveNet을 개선하고 워크포워드 검증 기법을 적용하여 전력 소비량 데이터를 24시간 이전에 예측하고자 한다. 원래 WaveNet은 오디오 데이터 예측에 사용하고자 고안되었으며, 장기간의 데이터를 효과적으로 예측하기 위해 1차원 팽창인과 합성곱(1D dilated causal convolution)을 사용한다. 먼저, WaveNet이 부호화된 정수 값이 아니라 실수 값을 출력하여 전력 데이터를 예측하기 적합하도록 개선하였다. 다음으로 학습 과정에 적용된 하이퍼파라미터(입력 기간, 배치 크기, WaveNet 블록 개수, 팽창 비율, 학습률 변경)를 조정하여 적절한 성능을 나타내도록 하였다. 마지막으로 성능 평가를 통해 전통적인 홀드아웃 검증 기법보다 본 연구에서 사용한 워크포워드 검증 기법이 전력 소비량 데이터 예측에 우수함 성능을 나타냄을 확인하였다.

• 사물인터넷융복합논문지
• /
• 제8권4호
• /
• pp.9-15
• /
• 2022

낸드 플래시 메모리는 저전력 소비와 빠른 데이터 처리 속도 때문에 다양한 저장 장치의 미디어로 사용되고 있다. 그러나 데이터의 읽기 처리 속도가 쓰기 처리 속도와 비교하여 약 10배 빠른 비대칭 속도의 특징이 있기 때문에 속도차이를 개선하기 위한 다양한 연구가 진행되고 있다. 특히 플래시 전용 버퍼 관리 정책은 대부분 쓰기 속도를 개선하기 위해 연구되어 왔다. 그러나 최근에 다양한 목적으로 사용되고 있는 플래시 메모리로 구성된 SSD(solid state disk)는 쓰기 성능보다 읽기 성능에 취약한 문제가 있다. 본 논문에서는 낸드 플래시 메모리로 구성된 SSD에서 쓰기 성능보다 읽기 성능이 더 좋지 않은 이유를 밝히고 이를 개선하기 위한 버퍼 관리 정책을 연구한다. 본 논문에서 제안하는 버퍼 관리 정책은 읽기 데이터의 패턴을 분석하고 미래에 요청될 데이터를 낸드 플래시 메모리에서 미리 읽어두는 정책을 적용하여 플래시 기반 저장 장치의 속도를 개선하는 방법을 제안한다. 또한, 시뮬레이션을 통해 미리 읽기 정책의 효과를 증명한다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제8권1호
• /
• pp.17-36
• /
• 1984

Since 1973, the competition on the development of fuel saving type internal combustion engines has become severe by the two times oil shock, and new type engines are reported every several months. Whenever these new type engines are developed, new designs are required and they will be offered in the market after performing the endurance test for a long time. But the engine market is faced with a heavy burden of finance, as the developing of a new engine requires tremendous expenses. For this reason, the computer simulation method has been lately developed to cope with it. The computer simulation method can be available to perform the reasonable research works by the theoretical analysis before carrying out practical experiments. With these processes, the developing expenses are cut down and the period of development is curtailed. The object of this study is the development of simulation computer program for the small naturally aspirated four-stroke diesel engine which is intended to product by the original design of our country. The process of simulation is firstly investigated for the ideal engine cycle, and secondly for the real engine cycle. In the ideal engine cycle, each step of the cycle is simulated by the energy balance according to the first law of thermodynamics, and then the engine performance is calculated. In the real cycle imulation program, the injection rate, the preparation rate and the combustion rate of fuel and the heat transfer through the wall of combustion chamber are considered. In this case, the injection rate is supposed as constant through the crank angle interval of injection and the combustion rate is calculated by the Whitehouse-Way equation and the heat transfer is calculated by the Annand's equation. The simulated values are compared with measured values of the YANMAR NS90(C) engine and Mitsubishi 4D30 engine, and the following conclusions are drawn. 1. The heat loss by the exhaust gas is well agree with each other in the lower load, but the measured value is greater than the calculated value in the higher load. The maximum error rate is about 15% in the full load. 2. The calculated quantity of heat transfer to the cooling water is greater than the measured value. The maximum error rate is about 11.8%. 3. The mean effective pressure, the fuel consumption, the power and the torque are well agree with each other. The maximum error is occurred in the fuel consumption, and its error rate is about 7%. From the above remarks, it may be concluded that the prediction of the engine performance is possibly by using the developed program, although the program needs to reform by adding the simulation of intake and exhaust process and assumping more reliable mechanical efficiency, volumetric efficiency, preparation rate and combustion rate.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1083-1093
• /
• 2021

물 사용량 예측은 최적의 용수 공급 운영 방안을 수립하고 전력 소비량 절감을 위하여 꼭 필요한 과정이라고 할 수 있다. 그러나 수용가 단위의 물 사용량은 용도, 사용자의 패턴, 날씨 등의 다양한 요인으로 인해 변화하는 비선형적 특성을 지니고 있다. 따라서 본 연구에서는 비선형적인 수용가 단위의 물 사용량을 예측하기 위하여 다양한 기법들을 연계한 KWD 프레임워크를 제안하고자 하였다. 즉, 먼저 개별 수용가 마다 용도에 따른 유사한 패턴을 파악하기 위해 K-means (K) 군집분석을 수행하였고, 잡음성분을 제거함으로써 핵심적인 주기패턴을 파악하기 위해 Wavelet (W) 방법을 적용하였다. 또한 비선형적 특성을 학습시키기 위해 Deep learning (D) 알고리즘을 적용하였다. 그리고 기존의 선형 시계열 모형인 ARMA 모형과 비교하여 KWD 프레임워크의 성능을 분석하였다. 그 결과 제안된 모형의 상관성은 92%, ARMA 모형은 약 39%로 KWD 프레임워크가 2배 이상의 성능을 가지는 것으로 분석되었다. 따라서 본 연구에서 제안한 방법을 활용할 경우 정확한 물 사용량 예측이 가능해질 것이며, 상황에 따른 최적의 공급 방안을 수립할 수 있을 것이다.