• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권2호
• /
• pp.600-616
• /
• 2021

SIMON and SPECK are two families of lightweight block ciphers that have excellent performance on hardware and software platforms. At CRYPTO 2019, Gohr first introduces the differential cryptanalysis based deep learning on round-reduced SPECK32/64, and finally reduces the remaining security of 11-round SPECK32/64 to roughly 38 bits. In this paper, we are committed to evaluating the safety of SIMON cipher under the neural differential cryptanalysis. We firstly prove theoretically that SIMON is a non-Markov cipher, which means that the results based on conventional differential cryptanalysis may be inaccurate. Then we train a residual neural network to get the 7-, 8-, 9-round neural distinguishers for SIMON32/64. To prove the effectiveness for our distinguishers, we perform the distinguishing attack and key-recovery attack against 15-round SIMON32/64. The results show that the real ciphertexts can be distinguished from random ciphertexts with a probability close to 1 only by 2^8.7 chosen-plaintext pairs. For the key-recovery attack, the correct key was recovered with a success rate of 23%, and the data complexity and computation complexity are as low as 2⁸ and 2^20.1 respectively. All the results are better than the existing literature. Furthermore, we briefly discussed the effect of different residual network structures on the training results of neural distinguishers. It is hoped that our findings will provide some reference for future research.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2012년도 제42회 동계 정기 학술대회 초록집
• /
• pp.239-240
• /
• 2012

With advancements in semiconductor device technologies, manufacturing processes are getting more complex and it became more difficult to maintain tighter process control. As the number of processing step increased for fabricating complex chip structure, potential fault inducing factors are prevail and their allowable margins are continuously reduced. Therefore, one of the key to success in semiconductor manufacturing is highly accurate and fast fault detection and classification at each stage to reduce any undesired variation and identify the cause of the fault. Sensors in the equipment are used to monitor the state of the process. The idea is that whenever there is a fault in the process, it appears as some variation in the output from any of the sensors monitoring the process. These sensors may refer to information about pressure, RF power or gas flow and etc. in the equipment. By relating the data from these sensors to the process condition, any abnormality in the process can be identified, but it still holds some degree of certainty. Our hypothesis in this research is to capture the features of equipment condition data from healthy process library. We can use the health data as a reference for upcoming processes and this is made possible by mathematically modeling of the acquired data. In this work we demonstrate the use of recurrent neural network (RNN) has been used. RNN is a dynamic neural network that makes the output as a function of previous inputs. In our case we have etch equipment tool set data, consisting of 22 parameters and 9 runs. This data was first synchronized using the Dynamic Time Warping (DTW) algorithm. The synchronized data from the sensors in the form of time series is then provided to RNN which trains and restructures itself according to the input and then predicts a value, one step ahead in time, which depends on the past values of data. Eight runs of process data were used to train the network, while in order to check the performance of the network, one run was used as a test input. Next, a mean squared error based probability generating function was used to assign probability of fault in each parameter by comparing the predicted and actual values of the data. In the future we will make use of the Bayesian Networks to classify the detected faults. Bayesian Networks use directed acyclic graphs that relate different parameters through their conditional dependencies in order to find inference among them. The relationships between parameters from the data will be used to generate the structure of Bayesian Network and then posterior probability of different faults will be calculated using inference algorithms.

• 한국통신학회논문지
• /
• 제31권11A호
• /
• pp.1068-1075
• /
• 2006

OFDMA방식의 무선 다중 접속 시스템의 상향링크에서 기지국으로부터 서로 다른 거리에 있는 각각의 단말들의 시간동기를 위한 적응적 레인징 기법을 제안한다. 제안 기법은 Timing Phase Compensated Frequency Domain Cross-correlation(TPCFDC)와 Frequency Domain Differential Cross-correlation(FDDC)를 동시에 사용함으로써 TPCFDC의 단점인 Round Trip Delay(RTD)의 범위에 따라 증가되는 상관기의 개수를 줄이고 FDDC를 이용하여 반복적인 레인징을 시도함으로써 초기 레인징을 위한 하드웨어 복잡도를 크게 줄일 수 있다. 제안 기법의 성능을 레인징 성공확률과 시도회수 측면에서 모의실험 하였으며 복잡도가 기존에 비해 10배 가량 감소하더라도 기존 방식과 유사한 레인징 성공 확률을 보임을 확인하였다.

• 환경생물
• /
• 제40권4호
• /
• pp.525-549
• /
• 2022

개체군은 진화적 단위이자 개체군 통계적 단위로서, 생물학적 침입의 과정은 개체군의 생태적, 진화적 동태에 기인한다. 개체군의 공간구조는 개체군 동태에 영향을 줄 수 있으며, 분산이 반드시 동반되는 생물학적 침입에 대한 연구에서는 공간구조를 고려할 필요가 있다. 메타개체군 이론은 공간구조를 가진 개체군에 대한 대표적인 접근으로, 주로 생태학 및 진화생물학 연구에 활용되고 있다. 메타개체군은 공간적 구조를 가진 개체군의 동의어로 여겨지기도 하지만, 용어의 모호한 사용을 피하기 위해서는 절멸 가능성이 고려되는 경우에 한해 정의되어야 한다는 비판이 있다. 침입 초기 단계의 개체군은 높은 절멸 가능성을 가지는 경우가 많으므로, 메타개체군 이론을 적용하기에 용이하다. 한편, 침입 초기 개체군의 생태적·유전적 특성은 분산의 영향을 크게 받기 때문에, 메타개체군 이론은 개체군 수준에서 침입성의 변화와 침입 가능성을 설명하는 강력한 도구가 될 수 있을 것으로 생각된다. 그러나, 한국에서 침입생물에 대한 생태학적 연구는 주로 종 수준의 분포 변화에 대해 이루어지고 있고, 메타개체군 개념을 적용한 경우가 드문 실정이다. 메타개체군 이론을 활용한다면, 국내 연구가 상대적으로 미진했던 개체군 단위의 침입 기작을 보다 상세히 규명할 수 있을 것으로 생각된다. 본 연구에서는 실제 침입생물에 미치는 메타개체군의 영향을 쉽게 파악하기 위해 침입생물 메타개체군이 자연적인 분산 거리를 넘어서 연결되는지 여부에 따라 장거리와 중거리 두 가지 규모로 나누는 체계를 활용할 것을 제안하였다. 메타개체군 개념에 입각한 침입생물 연구가 침입의 기작을 이해하고 장래의 침입 리스크를 예측·관리하는 데에 도움을 줄 것으로 기대한다.

• 한국정보과학회논문지:시스템및이론
• /
• 제36권2호
• /
• pp.94-101
• /
• 2009

본 논문에서는 거리 확인 및 공유 키 기반의 challenge-response를 통하여 사용자를 인증하는 인증 시스템을 제안한다. 인증장치는 전파와 초음파 신호의 도달시간의 차를 이용하여 사용자가 소유한 인중토큰이 유효 거리 이내에 있는지 확인하는 동시에, 인증장치가 송신한 challenge에 대해 인증토큰이 키를 기반으로 정확한 응답을 보내는지를 확인한다. 본 논문에서는 이와 같은 인증시스템을 실제로 구현하고 인증장치와 인증토큰의 초음파 센서 방향과 위치의 변화에 따른 인증 성공률을 분석하였다. 실험 결과에 따르면 인증장치와 인증토큰의 방향이 크게 어긋나 있지 않은 상황에서는 대부분 100%에 가까운 인증 성공률을 보임을 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제7권7호
• /
• pp.1427-1433
• /
• 2003

본 논문은 TDM 방식을 적용한 회선 교환 방식의 WDM 네트워크에서 라우팅, 파장 할당 및 시간슬롯할당의 문제로서, 동적으로 광 경로를 설정하기 위한 분산 제어 프로토콜을 제안하였다. 제안한 분산 제어 프로토콜에서는 블록킹 확률을 줄일 수 있도록 후방 예약 방식을 사용하였다. 예약 실패를 최소화하기 위해 여러 채널을 예약하는 진취적 예약 방법과 단지 하나의 채널을 예약하는 보수적 예약 방법을 적용하여 두개의 방법을 시뮬레이션을 통해 비교하였다. 제안한 분산 프로토콜을 성능 평가하여 WDM/TDM 방식이 WDM 방식보다 성능이 우수함을 보이고 진취적 예약 방법이 적절한 채널 수를 사용할 경우 보수적 예약 방법보다 블록킹 확률을 줄일 수 있음을 보인다.

• 정보처리학회논문지B
• /
• 제12B권7호
• /
• pp.721-728
• /
• 2005

본 논문에서는 영상 내 물체 영역에 대한 다중정규화와 움직임 색상 정보를 활용하여 이동 물체에 대한 후보 그룹을 추출하고 영상 분할 방법에 의해 대상 물체 영역을 정의하며 최종적으로 목표물체에 대한 검출방법을 제공하였다. 다중 색상변환에 의해 물체의 고유영역 확률을 강화하고 MCWUPC(Moving Color Weighted Unmatched Pixel Count) 연산을 활용하여 이동물체의 영역을 강조하는 두 가지 개념을 결합함으로써 최종적으로 입력 영상 시퀀스에서의 후보영역을 찾아 분할하였으며 매 프레임 정확한 물체의 외곽정보를 검출하였다. 제안된 알고리즘을 검증하기 위하여 이동물체의 이동 실시간이 가능한 시스템을 구축하였고, 다양한 배경을 포함한 실험영상 120 프레임을 처리한 결과 $89\%$ 이상의 추적 성공률을 보여주었다.

• 정보보호학회논문지
• /
• 제22권3호
• /
• pp.485-494
• /
• 2012

HIGHT는 국내에서 개발된 초경량 블록 암호로서, 정보통신단체(TTA) 표준과 국제표준화기구(ISO/IEC) 18033-3 표준으로 제정되었다. 본 논문에서는 블록암호 HIGHT에 대한 차분 오류 주입 공격을 제안한다. 제안하는 공격에서 공격자는 암호화 과정에서 라운드 28의 입력값에 임의의 1-바이트 오류를 주입할 수 있다고 가정한다. 이러한 가정에서 오류 주입을 통해 얻어진 암호문과 정상적으로 얻어진 암호문의 차분 특성을 이용하여 비밀키를 복구한다. 12개의 오류를 주입할 경우에는 88%의 성공 확률, 7개의 오류를 주입하는 경우에는 51%의 성공 확률로 수초내에 HIGHT의 비밀키를 복구한다.

• 항공우주기술
• /
• 제13권1호
• /
• pp.166-173
• /
• 2014

최근 쿼드콥터에 대한 관심이 증가하면서 방송에서 군에 이르기까지 다양한 분야에서 활용되고 있다. 특히 다수의 쿼드콥터를 동시에 제어하는 군집 비행 연구는 중요 임무 수행 성공 확률을 높일 수 있고, 예술과 융합되어 군무를 수행하는 등 다양한 응용에 활용될 수 있다. 본 논문에서는 AR.Drone을 활용하여 실내에서 모션 캡쳐 기반으로 다수의 비행체가 서로의 위치를 파악하고, 시나리오에 맞춰 정해진 임무를 수행하기 위해 개발된 군집 비행 시스템을 소개한다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.63-83
• /
• 2019

투자자들은 기업의 내재가치 분석, 기술적 보조지표 분석 등 복잡한 분석보다 차트(chart)에 나타난 그래프(graph)의 모양으로 매매 시점을 찾는 직관적인 방법을 더 선호하는 편이다. 하지만 패턴(pattern) 분석 기법은 IT 구현의 난이도 때문에 사용자들의 요구에 비해 전산화가 덜 된 분야로 여겨진다. 최근에는 인공지능(artificial intelligence, AI) 분야에서 신경망을 비롯한 다양한 기계학습(machine learning) 기법을 사용하여 주가의 패턴을 연구하는 사례가 많아졌다. 특히 IT 기술의 발전으로 방대한 차트 데이터를 분석하여 주가 예측력이 높은 패턴을 발굴하는 것이 예전보다 쉬워졌다. 지금까지의 성과로 볼 때 가격의 단기 예측력은 높아졌지만, 장기 예측력은 한계가 있어서 장기 투자보다 단타 매매에서 활용되는 수준이다. 이외에 과거 기술력으로 인식하지 못했던 패턴을 기계적으로 정확하게 찾아내는 데 초점을 맞춘 연구도 있지만 찾아진 패턴이 매매에 적합한지 아닌지는 별개의 문제이기 때문에 실용적인 부분에서 취약할 수 있다. 본 연구는 주가 예측력이 있는 패턴을 찾으려는 기존 연구 방법과 달리 패턴들을 먼저 정의해 놓고 확률기반으로 선택해서 매매하는 방법을 제안한다. 5개의 전환점으로 정의한 Merrill(1980)의 M&W 파동 패턴은 32가지의 패턴으로 시장 국면 대부분을 설명할 수 있다. 전환점만으로 패턴을 분류하기 때문에 패턴 인식의 정확도를 높이기 위해 드는 비용을 줄일 수 있다. 32개 패턴으로 만들 수 있는 조합의 수는 전수 테스트가 불가능한 수준이다. 그래서 최적화 문제와 관련한 연구들에서 가장 많이 사용되고 있는 인공지능 알고리즘(algorithm) 중 하나인 유전자 알고리즘(genetic algorithm, GA)을 이용하였다. 그리고 미래의 주가가 과거를 반영한다 해도 같게 움직이지 않기 때문에 전진 분석(walk-forward analysis, WFA)방법을 적용하여 과최적화(overfitting)의 실수를 줄이도록 하였다. 20종목씩 6개의 포트폴리오(portfolio)를 구성하여 테스트해 본 결과에 따르면 패턴 매매에서 가격 변동성이 어느 정도 수반되어야 하며 패턴이 진행 중일 때보다 패턴이 완성된 후에 진입, 청산하는 것이 효과적임을 확인하였다.