• 정보과학회 논문지
• /
• 제41권12호
• /
• pp.1152-1159
• /
• 2014

본 논문에서는 거주자의 생활환경 데이터를 실시간으로 수집하고 분석하여 응급상황이 발생하거나 이상 징후가 발견될 경우 적절한 조치를 통해 거주자의 안전을 보장하는 시스템에 대해 기술한다. 기존 시스템의 경우 주로 다양한 센서를 통해 수집되는 데이터를 이용하여 상황을 판단하지만 제안하는 시스템은 기존의 시스템에 카메라를 추가하여 가중치 차 영상과 거주자의 움직임 벡터 값을 통해 기존 시스템의 문제점을 보완하고자 한다. 기존 시스템의 경우 거주자에게 이상이 발생했다고 판단하기 까지 약 48시간 정도가 소요되지만, 제안 시스템의 경우 1시간 이내에 이상이 발생하였음을 인지할 수 있었다.

• Steel and Composite Structures
• /
• 제18권5호
• /
• pp.1177-1195
• /
• 2015

Six specimens are tested to investigate the cyclic behavior of beam-to-column abnormal joints in steel moment-resisting frames, which are designed according to the principle of strong-member and weak-panel zone. Key parameters include the axial compression ratio of column and the section depth ratio of beams. Experimental results indicate that four types of failure patterns occurred during the loading process. The $P-{\Delta}$ hysteretic loops are stable and plentiful, but have different changing tendency at the positive and negative direction in the later of loading process due to mechanical behaviors of specimens. The ultimate strength tends to increase with the decrease of the section depth ratio of beams, but it is not apparent relationship to the axial compression ratio of column, which is less than 0.5. The top panel zone has good deformation capacity and the shear rotation can reach to 0.04 rad. The top panel zone and the bottom panel zone don't work as a whole. Based on the experimental results, the equation for shear strength of the abnormal joint panel zone is established by considering the restriction of the bottom panel zone to the top panel zone, which is suitable for the abnormal joint of H-shaped or box column and beams with different depths.

• Journal of the Korean Data and Information Science Society
• /
• 제27권1호
• /
• pp.1-8
• /
• 2016

최근 강력 범죄 및 우발 범죄가 끊이지 않고 있으면서 사회적 불안감이 고조되고 있다. 이에 따라 방범용 카메라, CCTV (Closed Circuit Television)가 범죄 증거 확보와 치안을 위해 사용되고 있다. 그러나 CCTV는 주로 사후 처리 기능으로 사용하고 있으며 사전에 범죄를 예방하기는 힘들다. 본 연구에서는 CCTV로부터 수집된 보행자 데이터를 이용하여 객체의 행동을 분석하고 위험 행동 여부를 추정하기 위한 유연성 다중 회귀 모델을 제안한다. 유연성 다중 회귀 모델은 필터링, 상황분석, 예측 단계로 구성되어 있다. 먼저 보행자에 대한 환경과 상황에 대해 필터링한 후 상황분석에 대한 정보를 구축하고 관찰 객체에 이상 행동이 결정된다. 마지막으로 연관분석을 통해 객체의 행동이 예측되어 위협 상황을 통지한다. 이를 통해 다중 지역에서 객체의 행동을 추적하여 객체 행동의 위험여부를 알 수 있으며, 행동 예측을 통해 범죄 발생을 예측 가능하다.

• International Journal of Computer Science & Network Security
• /
• 제21권6호
• /
• pp.17-22
• /
• 2021

The attack trend on end-users via mobile devices is increasing in both the danger level and the number of attacks. Especially, mobile devices using the Android operating system are being recognized as increasingly being exploited and attacked strongly. In addition, one of the recent attack methods on the Android operating system is to take advantage of Android Package Kit (APK) files. Therefore, the problem of early detecting and warning attacks on mobile devices using the Android operating system through the APK file is very necessary today. This paper proposes to use the method of analyzing abnormal behavior of APK files and use it as a basis to conclude about signs of malware attacking the Android operating system. In order to achieve this purpose, we propose 2 main tasks: i) analyzing and extracting abnormal behavior of APK files; ii) detecting malware in APK files based on behavior analysis techniques using machine learning or deep learning algorithms. The difference between our research and other related studies is that instead of focusing on analyzing and extracting typical features of APK files, we will try to analyze and enumerate all the features of the APK file as the basis for classifying malicious APK files and clean APK files.

• Earthquakes and Structures
• /
• 제20권4호
• /
• pp.417-430
• /
• 2021

Due to functional requirements, SRC column-RC beam abnormal joints with characteristics of strong beam weak column, variable column section, unequal beam height and staggered height exist in the Steel reinforced concrete (SRC) frame-bent main building structure of thermal power plant (TPP). This paper presents the experimental results of these abnormal joints through cyclic loading tests on five specimens with scaling factor of 1/5. The staggered height and whether adding H-shaped steel in beam or not were changing parameters of specimens. The failure patterns, bearing capacity, energy dissipation and ductile performance were analyzed. In addition, the stress mechanism of the abnormal joint was discussed based on the diagonal strut model. The research results showed that the abnormal exterior joints occurred shear failure and column end hinge flexural failure; reducing beam height through adding H-shaped steel in the beam of abnormal exterior joint could improve the crack resistance and ductility; the abnormal interior joints with different staggered heights occurred column ends flexural failure; the joint with larger staggered height had the higher bearing capacity and stiffness, but lower ductility. The concrete compression strut mechanism is still applicable to the abnormal joints in TPP, but it is affected by the abnormal characteristics.

• 대한토목학회논문집
• /
• 제39권1호
• /
• pp.1-12
• /
• 2019

본 논문에서는 지반굴착 가시설 일부 현장에서 발생하고 있는 고강도 강관 버팀 보의 휨변형 또는 좌굴변형과 같은 이상 거동을 정의하고 강관 버팀보 구조의 연결부 변화에 따른 실물 휨 성능시험을 수행하였다. 또한, 수치적으로 분석 가능한 유발 인자들에 대한 이상 재현 시나리오 구성 후, 구조 해석 및 단면검토를 통하여 5개 하중조합 Case에 대한 변수 해석을 실시하였다. 5가지 이상거동 유발인자는 과굴착 심도, 충격하중, 추가 상재하중, 버팀 보 지간장 등으로 설정하여 3차원 구조해석을 수행하였으며, 2차원해석과 비교하였다. 수치해석 예제는 이상거동 변수를 고려하여 고강도 강관 버팀 보 가시설 시스템의 구조성능에 미치는 영향 및 이상거동 방지방안을 중심으로 상세 규명하였다.

• 한국강구조학회 논문집
• /
• 제10권3호통권36호
• /
• pp.383-391
• /
• 1998

프리캐스트 세그먼트의 가설 장비인 런칭트러스는 다른 일반적인 트러스 구조물과는 달리 사재와 상현재, 사재와 하현재간의 연결이 완전한 핀구조로 이루어져 있다. 이러한 런칭트러스의 실거동 파악을 위한 현장측정을 실시한 결과, 측정응력과 계산응력의 상당한 차이가 분석되었다. 따라서 본 연구에서는 측정치를 바탕으로 런칭트러스의 연결부의 특성에 따른 거동상태를 고려하여 분석을 실시하였으며, 그 결과 핀연결부의 비정상적인 거동에 의하여 실제 런칭트러스는 시공단계에 따라 해석적으로 평가되는 정상적 거동과 상당히 차이가 나는 거동이 발생하는 것으로 나타났다. 한편, 정상 거동상태에서의 런칭트러스의 안전성 평가를 위하여 실제 런칭트러스를 이용한 교량 가설시에 적용되는 Balanced Cantilever 공법에 있어 주요 가설 단계를 조합하여 각부재의 사하중과 활하중의 조합에 의한 최대 응력을 분석한 결과 Balanced Cantilever 공법에 의하여 인장응력과 압축응력의 상호 상쇄 작용으로 오히려 1개의 세그먼트를 가설하는 경우보다 낮은 응력이 분석되었으며, 발생 최대응력을 허용응력과 비교한 결과, 해석적으로 런칭트러스는 충분한 구조 안전성을 확보하는 것으로 판단된다.

• 한국소프트웨어감정평가학회 논문지
• /
• 제15권2호
• /
• pp.43-50
• /
• 2019

IT 기술의 발달에 따라, 컴퓨터 관련 범죄가 빠르게 급증하고 있으며 특히 최근에는 국내외에서 랜섬웨어감염에 대한 피해가 급격하게 늘어나고 있다. 기존의 보안 솔루션으로는 랜섬웨어 감염을 방지하기에는 역부족이며 나날이 발전하는 악성코드 및 랜섬웨어와 같은 위협을 방지하기 위해서는 딥러닝 기술을 결합하여 비정상 행위 및 이상 징후를 탐지하는 기법이 필요하다. 본 논문에서는 CNN-LSTM 모델 및 다양한 딥러닝 모델을 사용하여 사용자 비정상 행위를 탐지하는 기법을 제안했으며, 그중 제안하는 모델인 CNN-LSTM 모델의 경우 액 99%의 정확도로 사용자 비정상 행위를 탐지해내는 것을 확인할 수 있었다. 본 연구를 활용하여 사용자 비정상 행위의 랜섬웨어 특징점을 파악하여 랜섬웨어를 방지하는 시스템을 마련하는 데 도움을 줄 수 있을 것으로 기대한다.

• International Journal of Computer Science & Network Security
• /
• 제21권4호
• /
• pp.131-139
• /
• 2021

In current time, anomaly detection is the primary concern of the administrative authorities. Suspicious activity identification is shifting from a human operator to a machine-assisted monitoring in order to assist the human operator and react to an unexpected incident quickly. These automatic surveillance systems face many challenges due to the intrinsic complex characteristics of video sequences and foreground human motion patterns. In this paper, we propose a novel approach to detect anomalous human activity using a hybrid approach of statistical model and Genetic Programming. The feature-set of local motion patterns is generated by a statistical model from the video data in an unsupervised way. This features set is inserted to an enhanced Genetic Programming based classifier to classify normal and abnormal patterns. The experiments are performed using publicly available benchmark datasets under different real-life scenarios. Results show that the proposed methodology is capable to detect and locate the anomalous activity in the real time. The accuracy of the proposed scheme exceeds those of the existing state of the art in term of anomalous activity detection.

• 대한임베디드공학회논문지
• /
• 제15권3호
• /
• pp.119-127
• /
• 2020

The detection and recognition of abnormal driving becomes crucial for achieving safety in Intelligent Transportation Systems (ITS). This paper presents a feature extraction method based on spectral data to train a neural network model for driving behavior recognition. The proposed method uses a two stage signal processing approach to derive time-saving and efficient feature vectors. For the first stage, the feature vector set is obtained by calculating variances from each frequency bin containing the power spectrum data. The feature set is further reduced in the second stage where an intersection method is used to select more significant features that are finally applied for training a neural network model. A stream of live signals are fed to the trained model which recognizes the abnormal driving behaviors. The driving behaviors considered in this study are weaving, sudden braking and normal driving. The effectiveness of the proposed method is demonstrated by comparing with existing methods, which are Particle Swarm Optimization (PSO) and Convolution Neural Network (CNN). The experiments show that the proposed approach achieves satisfactory results with less computational complexity.