• 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.

• Journal of Ginseng Research
• /
• 제48권2호
• /
• pp.149-162
• /
• 2024

Ginseng, the roots of Panax species, is an important medicinal herb used as a tonic. As ginsenosides are key bioactive components of ginseng, holistic chemical profiling of them has provided many insights into understanding ginseng. Mass spectrometry has been a major methodology for profiling, which has been applied to realize numerous goals in ginseng research, such as the discrimination of different species, geographical origins, and ages, and the monitoring of processing and biotransformation. This review summarizes the various applications of ginsenoside profiling in ginseng research over the last three decades that have contributed to expanding our understanding of ginseng. However, we also note that most of the studies overlooked a crucial factor that influences the levels of ginsenosides: genetic variation. To highlight the effects of genetic variation on the chemical contents, we present our results of untargeted and targeted ginsenoside profiling of different genotypes cultivated under identical conditions, in addition to data regarding genome-level genetic diversity. Additionally, we analyze the other limitations of previous studies, such as imperfect variable control, deficient metadata, and lack of additional effort to validate causation. We conclude that the values of ginsenoside profiling studies can be enhanced by overcoming such limitations, as well as by integrating with other -omics techniques.

• 정보관리학회지
• /
• 제33권2호
• /
• pp.201-225
• /
• 2016

학제적 분야의 연구 전선을 분석하는 새로운 기법으로 인용 이미지 구축자 프로파일링 기법을 제안하였다. 인용 이미지 구축자 프로파일링은 해당 문헌을 인용한 문헌의 표제어를 단서로 사용하여 문헌 간의 주제관계를 파악하는 방법이다. 이 연구에서는 시험적으로 국내 여성학 연구를 대상으로 인용 이미지 구축자 프로파일링 기법을 적용하여 연구 전선과 주요 연구 주제를 파악해보았다. 분석 대상은 KCI의 2015년 기준 여성학분야 인용빈도 10회 이상에 해당하는 핵심문헌 집합이다. 여성학 분야에 문헌동시인용 기법을 적용한 결과 인용 데이터 부족 때문에 어려움이 있었던 반면에, 인용 이미지 구축자 프로파일링 기법을 적용한 결과 성공적으로 2개 대분야 및 6개 소분야를 파악할 수 있었다. 이 연구에서 제안한 인용 이미지 구축자 프로파일링 기법은 학제적 연구분야의 동향을 파악하는데 기여할 수 있을 것으로 기대된다.

• 정보보호학회논문지
• /
• 제25권2호
• /
• pp.293-302
• /
• 2015

스미싱 범죄 피해 사례에서 수집할 수 있는 공격정보들을 이용하여, 범죄수사에 사용하는 프로파일링 기법을 응용한 스미싱 범죄 프로파일링 모델을 제안한다. 기존에 수사기관에서는 apk 파일의 해시를 이용한 시그니처 분석과 코드 내 삽입된 C&C IP 분석방법을 사용하였으나, 시그니처의 다변화와 코드 난독화로 인해 그 활용도가 낮아졌다. 실제 수사기관에 접수된 169건의 피해사례의 분석을 통해, apk 파일 내 인증서 파일 일련번호의 재사용이 151건(89%), 퍼미션 파일의 재사용은 136건(80%)에 달한다는 점에 착안, 인증서 파일의 일련번호와 퍼미션 파일의 해시를 중심으로 한 스미싱 프로파일링 모델을 설계하여 범죄를 군집화하여 기존의 해시 기반 군집화 방법을 보완하였고, 코드 유사도 검증을 통하여 추가로 신뢰성을 확보하였다.

• 한국식품영양과학회지
• /
• 제43권3호
• /
• pp.419-424
• /
• 2014

본 연구에서는 LC-MS/MS를 이용한 블루베리의 methanol과 ethyl acetate 추출 분획에 존재하는 대사체의 분석을 통해 효율적인 대사체 profiling의 가능성을 탐색하였다. LC-MS/MS에서 검출되는 대사체를 통계 처리한 결과, methanol 추출 분획에서는 5-O-feruloylquinic acid, malvidin hexoside, malvidin-3-arabinoside, petunidin-3-arabinoside, delphinidin hexoside, delphinidin, petunidin hexoside와 같은 안토시아닌 계열의 화합물들이 존재하였고, ethyl acetate 분획에서는 chlorogenic acid, chlorogenic acid dimer, 6,8-di-C-arabinopyranosylluteolin, luteolin과 같은 플라보노이드 계열의 화합물이 검출되었다. 본 연구는 기존 연구와 달리 대사체학 기법을 이용한 블루베리 추출물 전체 대사물질의 profiling을 시도한 최초의 연구로서 블루베리에 함유된 유용 성분의 스크리닝 등 향후 응용 연구에 유용한 기반으로 이용될 수 있을 것으로 기대된다.

• 디지털융복합연구
• /
• 제14권6호
• /
• pp.263-270
• /
• 2016

본 논문에서는 교육 분야에 프로파일링을 활용하여 교사가 전문적인 통계 지식을 가지고 있지 않아도 운영이 가능한 성적 맞춤형 통계 분석 시스템을 개발하고자 한다. 이를 위해 프로파일링에 대한 기술을 교육 분야에 융합하여 학생 맞춤형 다차원 분석 시스템을 구축하기 위한 필요 요소들(프로파일링, 빈도/교차/기간별/이항/다항 분석)에 대해 살펴보았다. 실제 교육 프로파일링을 활용한 학생 맞춤형 다차원 분석 시스템을 구축하기 위한 전체 구성도와 구축 상황에 대해 언급하고, 각 통계적 방법을 적용한 알고리즘에 대한 구현 결과를 보였으며, 기존에 존재하는 시스템들과의 차별성과 우월성에 대해 설명하였다. 제안된 기술을 기반으로 시스템이 구축되면 수각자의 요구와 능력의 차이를 고려하여 정확한 목표 및 기준을 명확하게 함으로써, 공교육 만족도 제고를 통해 선행학습 및 사교육비 절감의 효과와 학생 개인의 능력과 적성에 맞는 자기 주도적 학습 실현이 가능하다.

• Journal of Plant Biotechnology
• /
• 제33권3호
• /
• pp.161-169
• /
• 2006

식물대사체학은 식물세포, 조직, 기관, 혹은 개체수준에서 주어진 시간과 조건에서 발견되는 모든 대사물질을 밝히고, 시간의 경과 혹은 조건의 변화에 따른 metabolic profiling의 변화를 연구하는 식물학 분야이다. 식물대사체학은 생물에 대한 전체론적 접근을 위한 가장 최근에 발달된 omics분야의 하나로서 일종의 시스템 생물학이다. 전체론적 접근과 이해를 위해서 대사체학은 metabolic profiling의 계량화학 혹은 다변량분석 방법을 자주 사용한다. 식물학분야에서 대사체학은 애기장대나 벼와 같은 모델식물에 tag를 도입하여 형질전환시킨 돌연변이체에 대해 DNA microarray와 함께 사용하여 유전자의 기능을 밝히는데 유용하게 사용된다. 본 총설에서는 식물대사체학의 기본 개념과 1H NMR 혹은 FTIR으로 얻은 metabolic profiling의 다변량분석에 대한 실용적인 사용법을 소개하고자 하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.127-134
• /
• 2021

최근 빅데이터 산업의 확대로 고품질의 데이터를 확보하는 것이 중요한 이슈로 떠오르고 있다. 고품질의 데이터를 확보하기 위해서는 데이터에 품질에 대한 정확한 평가가 선행되어야 한다. 데이터의 품질은 데이터에 대한 통계와 같은 메타정보를 통해 평가할 수 있는데 이러한 메타정보를 자동으로 추출하는 기능을 데이터 프로파일링이라고 하다. 지금까지 데이터 프로파일링 소프트웨어는 기존의 데이터 품질 또는 시각화 관련 소프트웨어의 부품이나 추가적인 서비스로 제공되는 것이 일반적이었다. 따라서 프로파일링이 요구되는 다양한 환경에서 직접적으로 사용하기에는 적합하지 않았다. 본 논문에서는 이를 해결하기 위해 마이크로 서비스 아키텍처를 적용하여 다양한 환경에서 서비스가 가능한 데이터 프로파일링 소프트웨어의 개발 결과를 제시한다. 개발된 데이터 프로파일러는 restful API를 통해 데이터의 메타정보에 대한 요청과 응답을 제공하여 사용하기 쉬운 서비스를 제공한다. 또한, 특정 환경에 종속되지 않고 다양한 빅데이터 플랫폼이나 데이터 분석 도구들과 원활한 연계가 가능하다는 장점이 있다.

• 한국소프트웨어감정평가학회 논문지
• /
• 제17권2호
• /
• pp.143-150
• /
• 2021

산업 현장에서 발생하는 다양한 안전사고의 원인이 되는 위험 요소를 분석하여 사용자에게 발생하는 안전사고를 줄일 수 있는 지능형 기술 개발에 대한 필요성이 커지고 있다. 본 논문에서는 산업 현장에서 발생하는 안전사고와 관련된 사용자 정보를 특정하고 모델링하여 사용자에게 일어나는 안전 사고를 미리 예방할 수 있는 사용자 안전 프로파일링에 대한 기술을 제안하였다. 사용자 프로파일링은 사용자의 혈압, 맥박, 움직임 등의 정보로부터 사용자의 생체, 작업 패턴, 작업 유형에 대한 안전 상태를 정(positive)과 부(negative)로 특정 및 모델링하고 딥러닝 인공지능 분석기술을 이용하여 사용자의 안전 상태를 정상과 비정상 상태로 분류할 수 있도록 하였다. 제안된 기술의 타당성을 검증하기 위하여 산업 현장에서 근무하는 사용자 5명을 대상으로 10종 이상의 사용자 정보를 리빙랩에서 획득하여 지능형 분석 시스템을 학습한 후 5개의 테스트 셋을 이용하여 정확도 시험을 반복 시행하여 93.6%의 사용자 안전 프로파일링 시스템의 정확도를 얻을 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권6호
• /
• pp.2781-2800
• /
• 2016

Emerging attacks aim to access proprietary assets and steal data for business or political motives, such as Operation Aurora and Operation Shady RAT. Skilled Intruders would likely remove their traces on targeted hosts, but their network movements, which are continuously recorded by network devices, cannot be easily eliminated by themselves. However, without complete knowledge about both inbound/outbound and internal traffic, it is difficult for security team to unveil hidden traces of intruders. In this paper, we propose an autonomous anomaly detection system based on behavior profiling and relation mining. The single-hop access profiling model employ a novel linear grouping algorithm PSOLGA to create behavior profiles for each individual server application discovered automatically in historical flow analysis. Besides that, the double-hop access relation model utilizes in-memory graph to mine time-sequenced access relations between different server applications. Using the behavior profiles and relation rules, this approach is able to detect possible anomalies and violations in real-time detection. Finally, the experimental results demonstrate that the designed models are promising in terms of accuracy and computational efficiency.