• 융합정보논문지
• /
• 제8권6호
• /
• pp.165-171
• /
• 2018

최근 IT보안의 화두가 되고 있는 가장 위협적인 공격은 APT공격이다. APT공격에 대한 대응은 인공지능기법을 활용한 대응이외에는 방법이 없다는 것이 현재까지의 결론이다. 여기서는 머신러닝 기법을 활용한 사이버위협 데이터를 분석하는 방법, 그 중에서도 빅데이터 머신러닝 프레임웍인 Scikit Learn를 활용하여 사이버공격 사례를 수집한 데이터셋을 이용하여 사이버공격을 분석하는 머신러닝 알고리즘을 구현하였다. 이 결과 70%에 육박하는 공격 분류 정확도를 보였다. 이 결과는 향후 보안관제 시스템의 알고리즘으로 발전가능하다.

• Nuclear Engineering and Technology
• /
• 제51권3호
• /
• pp.709-718
• /
• 2019

The international nuclear industry has undergone a lot of changes since the Fukushima, Chernobyl and TMI nuclear power plant accidents. However, there are still large and small component deficiencies at nuclear power plants in the world. There are many causes of electrical equipment defects. There are also factors that cause component failures due to human errors. This paper analyzed the root causes of failure and types of human error in 300 cases of electrical component failures. We analyzed the operating experience of electrical components by methods of root causes in K-HPES (Korean-version of Human Performance Enhancement System) and by methods of human error types in HuRAM+ (Human error-Related event root cause Analysis Method Plus). As a result of analysis, the most electrical component failures appeared as circuit breakers and emergency generators. The major causes of failure showed deterioration and contact failure of electrical components by human error of operations management. The causes of direct failure were due to aged components. Types of human error affecting the causes of electrical equipment failure are as follows. The human error type group I showed that errors of commission (EOC) were 97%, the human error type group II showed that slip/lapse errors were 74%, and the human error type group III showed that latent errors were 95%. This paper is meaningful in that we have approached the causes of electrical equipment failures from a comprehensive human error perspective and found a countermeasure against the root cause. This study will help human performance enhancement in nuclear power plants. However, this paper has done a lot of research on improving human performance in the maintenance field rather than in the design and construction stages. In the future, continuous research on types of human error and prevention measures in the design and construction sector will be required.

• 융합보안논문지
• /
• 제19권1호
• /
• pp.11-17
• /
• 2019

최근 인터넷 기술을 악용하는 행위로 인하여 경제적, 정신적 피해가 증가하고 있다. 특히, 신규로 제작되거나 변형된 악성코드는 기존의 정보보호 체계를 우회하여 사이버 보안 위협의 기본 수단으로 활용되고 있다. 이를 억제하기 위한 다양한 연구가 진행되었지만, 실제 악성코드의 많은 비중을 차지하는 소규모 실행 파일에 대한 연구는 미진한 편이다. 본 연구에서는 기존에 알려진 소규모 실행 파일의 특징을 데이터마이닝 기법으로 분석하여 알려지지 않은 악성코드 탐지에 활용할 수 있는 모델을 제안한다. 데이터 마이닝 분석 기법에는 나이브베이지안, SVM, 의사결정나무, 랜덤포레스트, 인공신경망 등 다양하게 수행하였으며, 바이러스토탈의 악성코드 검출 수준에 따라서 개별적으로 정확도를 비교하였다. 결과적으로 분석 파일 34,646개에 대하여 80% 이상의 분류 정확도를 검증하였다.

• 한국항행학회논문지
• /
• 제25권3호
• /
• pp.256-266
• /
• 2021

국내외 연구들은 무인항공기 사고의 주원인으로 인적요인을 지목하고 있고, 이러한 인적요인을 효과적으로 분석하는 기법으로 HFACS를 소개하고 있다. 현재까지는 HFACS를 이용해 무인항공기 사고의 인적요인을 분석했던 국내외 사례는 주로 군용 무인항공기가 대상이었는데, 항공사고를 유발하는 인적요인 정보를 분석하여 객관적 원인 규명과 유사 사고 예방 도구로 사용할 수 있는 HFACS가 국내 민간 무인항공기 분야에서도 활용이 필요한 시점이다. 특히, 국내 민간 무인항공기의 성능과 운용 여건을 고려한 HFACS 적용중점을 식별한다면 사고 발생 시 원인 규명과 재발 방지에 큰 도움이 될 것으로 예상된다. 본 연구는 HFACS version 7.0을 근간으로 우리나라 항공철도사고조사위원회가 수행했던 사고조사 결과보고서 자료를 분석하여 국내 민간 무인항공기 사고조사에 활용할 수 있는 HFACS 적용중점을 식별하였다.

• 한국산업정보학회논문지
• /
• 제27권5호
• /
• pp.1-11
• /
• 2022

딥러닝 기술의 발전에 따라 학습을 통해 선호도 랭킹 추정을 하기 위한 다양한 연구 개발이 진행되고 있으며, 웹 검색, 유전자 분류, 추천 시스템, 이미지 검색 등 여러 분야에 걸쳐 이용되고 있다. 딥러닝 기반의 선호도 랭킹을 추정하기 위해 근사(approximation) 알고리즘을 이용하는데, 이 근사 알고리즘에서 적정한 정도의 정확도를 보장할 수 있도록 모든 비교 대상에 k번 이상의 비교셋을 구축하게 되며, 어떻게 비교셋을 구축하느냐가 학습에 영향을 끼치게 된다. 이 논문에서는 크라우드 소싱 기반의 딥러닝 선호도 측정을 위한 쌍체 비교 셋을 생성하는 새로운 알고리즘인 k-disjoint 비교셋 생성 알고리즘과 k-체이닝 비교셋 생성 알고리즘을 제안한다. 특히 k-체이닝 알고리즘은 기존의 원형 생성 알고리즘과 같이 데이터 간의 연결성을 보장하면서도 안정적인 선호도 평가를 지원할 수 있는 랜덤적 성격도 함께 가지고 있음을 실험에서 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제22권5호
• /
• pp.177-183
• /
• 2022

최근 COVID-19로 인해 홈 트레이닝의 관심도가 증가하고 있다. 이에 따라 HAR(human activity recognition) 기술을 홈 트레이닝에 적용한 연구가 진행되고 있다. 기존 HAR 분야의 논문에서는 동적인 자세보다는 앉기, 일어서기와 같은 정적인 자세들을 분석한다. 본 논문은 동적인 운동 자세를 분석하여 사용자의 운동 자세 정확도를 보여주는 딥러닝 모델을 제안한다. AI hub의 피트니스 이미지를 blaze pose를 사용하여 사람의 자세 데이터를 분석한다. 3개의 딥러닝 모델: RNN(recurrnet neural networks), LSTM(long short-term memory networks), CNN(convolution neural networks)에 대하여 실험을 진행한다. RNN, LSTM, CNN 모델의 f1-score는 각각 0.49, 0.87, 0.98로 CNN 모델이 가장 적합하다는 것을 확인하였다. 이후 연구로는, 다양한 학습 데이터를 사용하여 더 많은 운동 자세를 분석할 예정이다.

• Geomechanics and Engineering
• /
• 제30권4호
• /
• pp.373-382
• /
• 2022

Unsaturated soil at high suctions is widespread. Many civil engineering projects are related to the hydro-mechanical behavior of unsaturated soils at high suctions, particularly in arid and semiarid areas. To investigate water retention behaviors of nine clayey soils (one is classified as fat clay and the others are classified as lean clay according to the unified soil classification system), the high suction (3.29-286.7 MPa) was imposed on the specimens at zero net stress by the vapor equilibrium technique. In this paper, the effect of void ratio on the water retention behavior at high suction was discussed in detail. Validation data showed that soil types, i.e., different mineralogical compositions, are critical in the soil water retention behavior at a high suction range. Second, the hysteresis behavior at a high suction range is mainly related to the clay content and the specific surface area. And the mechanism of water retention and hysteresis behavior at high suctions was discussed. Moreover, the maximum suction is not a unique value, and it is crucial to determine the maximum suction value accurately, especially for the shear strength prediction at high suctions. If the soil consists of hydrophilic minerals such as montmorillonite and illite, the maximum suction will be lower than 10⁶ kPa. Finally, using the area of hysteresis to quantify the degree of hysteresis at a high suction range is proposed. There was a good correlation between the area of hydraulic hysteresis and the specific surface area.

• 한국정보통신학회논문지
• /
• 제26권5호
• /
• pp.755-762
• /
• 2022

본 논문에서는 학습 예측이 가능한 군집적 알고리즘으로 COVID-19에서 상황인식정보인 질병의 속성정보와 클러스터링를 이용한 군집적 알고리즘을 제안한다. 클러스터링 내에서 처리되는 군집 데이터는 신규 또는 새롭게 입력되는 정보가 상호관계를 예측하기 위해 분류 제공되는데, 이때 새롭게 입력되는 정보가 비교정보에서 오염된 정보로 처리되면 기존 분류된 군집으로부터 벗어나게 되어 군집성을 저하시키는 요인으로 작용하게 된다. 본 논문에서는 COVID-19에서의 질병속성 정보내 K-means알고리즘을 이용함에 있어 이러한 문제를 해결하기 위해 질병 상호관계 정보 추출이 가능한 사용자 군집 분석 방식을 제안하고자 한다. 제안하는 알고리즘은 자율적인 사용자 군집 특징의 상호관계를 분석학습하고 이를 통하여 사용자 질병속성간에 따른 클러스터를 구성해 사용자의 누적 정보로부터 클러스터의 중심점을 제공하게 된다. 논문에서 제안된 COVID-19의 다중질병 속성정보군집단위로 분류하고 학습하는 알고리즘은 적용한 모의실험 결과를 통해 사용자 관리 시스템의 예측정확도가 학습과정에서 향상됨을 보여주었다.

• 한국정보통신학회논문지
• /
• 제26권5호
• /
• pp.675-681
• /
• 2022

최근 IoT 기술과 AI의 발전에 따라 다양한 분야에서 무인화와 자동화가 진행되고 있으며, 사물인식과 객체분류 등 자동화의 기반이 되는 영상처리에 대한 관심이 높아지고 있다. 영상처리 과정에서 잡음 제거는 영상의 품질 또는 시스템의 정확성과 신뢰성에 큰 영향을 미치는 과정으로 다양한 연구가 진행되고 있으나, 영상에서 임펄스 잡음의 밀도가 높은 영역에 대한 영상을 복원하기 어렵다는 문제점이 있다. 따라서 본 논문은 영상에서 임펄스 잡음 훼손된 영역을 복원하기 위해 부분 마스크와 라그랑지 보간법에 기반한 필터 알고리즘을 제안한다. 제안한 알고리즘은 필터링 마스크와 잡음 추정치를 서로 비교하여 필터링 과정을 스위칭하였으며, 영상의 저주파 및 고주파 성분에 따라 퍼지 가중치를 계산하여 영상을 복원하였다.

• 센서학회지
• /
• 제31권6호
• /
• pp.433-440
• /
• 2022

Recently, owing to global warming, average summer temperatures are increasing and the number of hot days is increasing is increasing, which leads to an increase in heat stroke. In particular, outdoor workers directly exposed to the heat are at higher risk of heat stroke; therefore, preventing heat-related illnesses and managing safety have become important. Although various wearable devices have been developed to prevent heat stroke for outdoor workers, applying various sensors to the safety helmets that workers must wear is an excellent alternative. In this study, we developed a smart helmet that measures various vital signs of the wearer such as body temperature, heart rate, and sweat rate; external environmental signals such as temperature and humidity; and movement signals of the wearer such as roll and pitch angles. The smart helmet can acquire the various data by connecting with a smartphone application. Environmental data can check the status of heat wave advisory, and the individual vital signs can monitor the health of workers. In addition, we developed an algorithm that classifies the risk of heat-related illness as normal and abnormal by inputting a set of vital signs of the wearer using a support vector machine technique, which is a machine learning technique that allows for rapid binary classification with high reliability. Furthermore, the classified results suggest that the safety manager can supervise the prevention of heat stroke by receiving feedback from the control system.