• 융합보안논문지
• /
• 제18권3호
• /
• pp.77-85
• /
• 2018

제어시스템은 공공 네트워크와의 통신망 융합에 따라 다양한 루트를 통해 정보유출 및 변조 등의 위협이 제어시스템에서도 그대로 나타날 수 있다. 최근 다양한 보안에 대한 이슈와 새로운 공격기법에 의한 침해 사례가 다변화됨에 따라서, 단순히 차단 및 확인 등의 학습을 통해 정보를 데이터베이스화하는 보안 시스템으로는 새로운 형태의 위협에는 대처하기 힘들어지고 있다. 현재 제어시스템에서는 이처럼 외부에서 내부로의 위협에 치중하여 보안 시스템을 운용하고 있으며, 보안 접근 권한을 가진 내부자에 의한 보안위협 탐지에 대해서는 미비한 실정이다. 이에 따라 본 연구에서는 NSA에서 발표한 "Spotting the Adversary with Windows Event Log Monitoring"의 주요 Event Log 목록을 토대로 중요도 분석을 실시하였다. 그 결과 제어시스템에 내부자 위협탐지를 위한 Event Log의 중요도 여부를 알 수 있었으며, 분석결과를 바탕으로 이 분야의 연구에 기여할 수 있을 것으로 판단된다.

• 융합보안논문지
• /
• 제17권5호
• /
• pp.35-40
• /
• 2017

제어시스템은 공공 네트워크와의 통신망 융합에 따라 다양한 루트를 통해 정보유출 및 변조 등의 위협이 제어시스템에서도 그대로 나타날 수 있다. 최근 다양한 보안에 대한 이슈와 새로운 공격기법에 의한 침해 사례가 다변화됨에 따라서, 단순히 차단 및 확인 등의 학습을 통해 정보를 데이터베이스화하는 보안 시스템으로는 새로운 형태의 위협에는 대처하기 힘들어지고 있으며, 보안 접근 권한을 가진 내부자에 의한 보안위협에 대해서도 기존의 보안장비로는 대응하기가 어렵다. 내부자에 의한 위협에 대응하기 위해 내부 시스템에서 실시간으로 발생한 Event Log를 수집하고 분석하여야 한다. 이에 따라 본 연구에서는 제어시스템에서 실시간으로 발생한 Event Log들을 토대로 상관분석을 통해 Event Log간 요소들의 상관관계의 여부를 알 수 있었으며, 분석결과를 바탕으로 이 분야의 연구에 기여할 수 있을 것으로 판단된다.

• 정보처리학회논문지D
• /
• 제18D권4호
• /
• pp.261-274
• /
• 2011

최근의 경쟁적 비즈니스 환경은 각 기업으로 하여금 민첩성과 유연성을 요구하게 되었고, 이를 위하여 기업에서 제공하는 서비스에 대한 실시간 모니터링과 이를 통한 조기 의사 결정이 기업의 핵심 경쟁력이 되었다. 또한, 엔터프라이즈 시스템에서 발생하는 수 없이 많은 다양한 이벤트들을 효과적으로 처리하기 위하여 의미 있는 데이터를 필터링 할 수 있는 기술이 요구되고 있다. 하지만, 이와 관련된 기존의 연구는 BPEL엔진이나 미들웨어의 API에 의존한 모니터링으로 서비스 결함 발견에 그치고 있거나 낮은 단계의 이벤트(low-level event)에 기반한 단순 이벤트 처리에 그치고 있어, 기업에 유용한 비즈니스 정보를 제공하기에는 한계가 있다. 본 논문에서는 다중 상황 검출(situation detection)을 통해 보다 가치 있고 유용한 비즈니스 정보의 제공을 가능하게 하는 확장된 복합 이벤트 모델(complex event model)을 제시한다. 구체적으로, 먼저 엔터프라이즈 시스템에서의 이벤트 처리 아키텍처를 제안하고, 제안된 아키텍처에 적합한 이벤트 메타모델을 정의한다. 정의된 메타모델을 기초로 다양하고 진보된 이벤트 연산자와 복합 이벤트 패턴, 그리고 키(key) 등 이벤트 처리 언어를 구성하는 요소의 문법과 의미를 제안한다. 또한, 보다 정교한 이벤트 분석을 위한 이벤트 컨텍스트 매커니즘을 제안한다. 마지막으로 응용사례를 통하여 본 연구의 적용 가능성을 보여주고, 다른 이벤트 모델과의 비교를 통해 본 이벤트 모델의 장점을 제시한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권6호
• /
• pp.2748-2760
• /
• 2018

This paper proposes an audio event classification method based on convolutional neural networks (CNNs). CNN has great advantages of distinguishing complex shapes of image. Proposed system uses the features of audio sound as an input image of CNN. Mel scale filter bank features are extracted from each frame, then the features are concatenated over 40 consecutive frames and as a result, the concatenated frames are regarded as an input image. The output layer of CNN generates probabilities of audio event (e.g. dogs bark, siren, forest). The event probabilities for all images in an audio segment are accumulated, then the audio event having the highest accumulated probability is determined to be the classification result. This proposed method classified thirty audio events with the accuracy of 81.5% for the UrbanSound8K, BBC Sound FX, DCASE2016, and FREESOUND dataset.

• Communications for Statistical Applications and Methods
• /
• 제25권2호
• /
• pp.131-157
• /
• 2018

We propose a robust event date model to estimate the date of a target event by a combination of individual dates obtained from archaeological artifacts assumed to be contemporaneous. These dates are affected by errors of different types: laboratory and calibration curve errors, irreducible errors related to contaminations, and taphonomic disturbances, hence the possible presence of outliers. Modeling based on a hierarchical Bayesian statistical approach provides a simple way to automatically penalize outlying data without having to remove them from the dataset. Prior information on individual irreducible errors is introduced using a uniform shrinkage density with minimal assumptions about Bayesian parameters. We show that the event date model is more robust than models implemented in BCal or OxCal, although it generally yields less precise credibility intervals. The model is extended in the case of stratigraphic sequences that involve several events with temporal order constraints (relative dating), or with duration, hiatus constraints. Calculations are based on Markov chain Monte Carlo (MCMC) numerical techniques and can be performed using ChronoModel software which is freeware, open source and cross-platform. Features of the software are presented in Vibet et al. (ChronoModel v1.5 user's manual, 2016). We finally compare our prior on event dates implemented in the ChronoModel with the prior in BCal and OxCal which involves supplementary parameters defined as boundaries to phases or sequences.

• 한국정밀공학회지
• /
• 제32권11호
• /
• pp.989-995
• /
• 2015

In the literature, various stochastic anomaly detection methods, such as limit checking and PCA-based approaches, have been applied to weld defect detection. However, it is still a challenge to identify meaningful defect patterns from very limited sensor signals of laser welding, characterized by intermittent, discontinuous, very short, and non-stationary random signals. In order to effectively analyze the physical characteristics of laser weld signals: plasma intensity, weld pool temperature, and back reflection, we first transform the raw data of laser weld signals into the form of event logs. This is done by multidimensional discretization and event-codification, after which the event logs are decoded to extract weld defect patterns by $Na{\ddot{i}}ve$ Bayes classifier. The performance of the proposed method is examined in comparison with the commercial solution of PRECITEC's LWM$^{TM}$ and the most recent PCA-based detection method. The results show higher performance of the proposed method in terms of sensitivity (1.00) and specificity (0.98).

• 한국시뮬레이션학회논문지
• /
• 제4권2호
• /
• pp.61-68
• /
• 1995

The performance of event-driven logic simulation frequently used for VLSI design verification depends on the data structures for event queues. This paper improves the existing Timing Wheel as a data structure for an event queue. In case of the use of B+ tree, an efficient node degree is also presented based on the experiment results. A new Timing Wheel index structure, which eliminates the insertion and deletion overhead of B+ tree, is proposed and analyzed.

• 한국시뮬레이션학회논문지
• /
• 제21권4호
• /
• pp.35-46
• /
• 2012

실시간 시스템의 복잡도가 증가함에 따라 임시방편적 시스템 해석 방법은 시스템 동작 영역 전체를 완전하게 분석하는 데는 한계가 있다. 모델링을 기반으로 한 정형 기법은 그러한 한계점을 극복 할 수 있다. 본 논문은 모델 기반 정형 기법을 이용하여 실시간 시스템의 안전성 및 필연성 등과 같은 논리적 타당성을 이산 사건 모델 수준에서 분석하는 방법을 제안한다. 먼저, 분석 대상 실시간 시스템은 이산사건 수준에서 계층적으로 모듈화하여 모델을 명세하는 수학적 형식론인 DEVS (Discrete Event Systems Specification) 형식론으로 기술된다. 다음으로, 기술된 DEVS 모델은 시간 명세가 포함된 전역 상태 공간을 표현하는 C-DEVS (Communicating DEVS) 형식론으로 표현한 후 C-DEVS 형식론의 해석 알고리즘을 통해 시스템 동작을 분석된다. 제안된 C-DEVS 형식론 및 해석 알고리즘은 주어진 시스템의 동작 특성을 분석하는 과정에서 시스템의 상태 공간을 완전하게 빠짐없이 탐색하는 것을 보장한다. 간단한 건널목 제어 시스템의 안전성 분석 사례 연구를 통하여 제안된 모델 기반 해석 기법의 효율성을 예시 하였다.

• 정보과학회 논문지
• /
• 제43권7호
• /
• pp.781-785
• /
• 2016

실제 환경에서 사람의 일상적인 활동을 학습하는 기술은 스마트 비서나 자율지능 로봇과 같은 인지 지능 시스템 개발을 위해 필요한 핵심 기술이다. 일상을 예측하는 대다수의 연구들은 센서 데이터의 패턴과 일상 활동 사이의 직접적인 상관관계를 탐색하는 것에 집중하였다. 하지만 일상에서의 인간 활동은 하나의 레이블로 표현하기 어려운 다수의 사건 집합이고 또한 서술 가능한 특성을 지니고 있다. 본고에서는 일상을 구성하는 사건 요소들을 우선 인식하고, 이후 일상 활동을 학습 및 예측하는 방법을 제안한다. 제안하는 방법은 개인의 일상에서 웨어러블 장치와 스마트폰으로부터 수집된 일인칭 시점의 멀티 센서 데이터로부터 위치 좌표, 장면 영상, 그리고 신체적 움직임에 기인한 사건 요소들을 각각 인식한 뒤, 이 정보들이 특정 활동 내역에 따라 조합되는 규칙을 학습하여 최종적으로 사용자의 일상 활동을 예측한다. 두 명의 실험 참가자가 각각 2주간 수집한 센서 데이터를 이용하여 실험한 결과는 제안한 방법이 센서 데이터로부터 추출된 특징을 일차적으로 사용하여 분류하는 기존의 방법과 비교하여 향상된 성능을 보였다.

• 한국콘텐츠학회논문지
• /
• 제12권9호
• /
• pp.9-15
• /
• 2012

기존의 이벤트 문장 추출에 관한 연구는 학습단계에서 3W 자질을 학습하지 않고, 추출단계에서 3W 자질의 존재여부에 따른 규칙만을 적용하여 이벤트 문장을 추출하였다. 본 논문에서는 온라인 동향 분석을 위해 학습단계에서 3W 자질을 추출하고 가중치를 계산하고, 추출단계에서 3W 자질을 반영하는 문장 가중치 기반 이벤트 문장 추출 방안을 제시한다. 실험결과, 자질필터링은 $TF{\times}IDF$ 가중치 기법을 사용한 상위 30% 자질만을 사용하는 것이 가장 우수한 결과를 보였다. 공공이슈 분야인 부동산 도메인에서 문장 가중치 기반 방법은 3W 자질 중 who와 when 자질이 가장 영향을 많이 미치는 것으로 나타났다. 아울러 다른 기계학습 방법과의 비교하여 공공이슈 분야인 부동산 도메인에서 문장 가중치 기반 이벤트 문장 추출 방법이 가장 좋은 성능을 보였다.