온라인 소셜 네트워크가 현대인의 정보 공유 및 교류의 핵심적인 매체로 사용됨에 따라, 그 이용자는 매해 급격하게 증가하고 있다. 이는 단순히 사용량 증가뿐만 아니라 정보의 신뢰성에서도 기존 언론 매체를 능가하기도 하는데, 최근 등장하는 마케팅 전략들은 이 점을 노리고 교묘하게 소셜 네트워크를 공격하고 있다. 그에 따라 자연스럽게 형성되어야 할 여론이 온라인 공격으로 인해 인위적으로 구성되기도 하고, 이를 신뢰하는 사람들도 많아지게 되었다. 따라서 온라인 소셜 네트워크를 공격하는 주체들을 탐지하고자 하는 연구들이 최근 많이 진행되고 있다. 본 논문에서는 이러한 온라인 소셜 네트워크 공격자들을 탐지하고자 하는 연구들의 동향을 분석하는데, 그 중 소셜 네트워크 그래프 특성을 이용한 연구들에 집중하고 있다. 기존의 contents-based 기법이 사생활 침해 및 공격 전략 변화에 따른 분류 오류를 나타낼 수 있음에 반해, 그래프 기반 방법은 공격자 패턴을 이용하여 보다 강건한 탐지 방법을 제안하고 있다.

이 논문은 최근 엄청난 성장을 하고 있는 유튜브의 댓글 중 스팸 댓글을 판별하는 기법을 제안한다. 유튜브에서는 광고를 통한 수익 창출이 가능하기 때문에 인기 동영상에서 자신의 채널이나 동영상을 홍보하거나 영상과 관련 없는 댓글을 남기는 스패머(spammer)들이 나타났다. 유튜브에서는 자체적으로 스팸 댓글을 차단하는 시스템을 운영하고 있지만 여전히 제대로 차단하지 못한 스팸 댓글들이 있다. 따라서, 유튜브 스팸 댓글 판별에 대한 관련 연구들을 살펴 보고 인기 동영상인 싸이, 케이티 페리, LMFAO, 에미넴, 샤키라의 뮤직비디오 댓글 데이터에 6가지 머신러닝 기법(의사결정나무, 로지스틱 회귀분석, 베르누이 나이브 베이즈, 랜덤 포레스트, 선형 커널을 이용한 서포트 벡터 머신, 가우시안 커널을 이용한 서포트 벡터 머신)과 이들을 결합한 앙상블 모델로 스팸 탐지 실험을 진행하였다.

일상생활에서 디지털 스크린을 오랜 시간 사용하면 눈의 피로, 안구 건조, 두통 등 컴퓨터 시각 증후군을 경험하게 된다. 컴퓨터 시각 증후군을 예방하기 위해서는 스크린 사용 시간을 제한하고 수시로 휴식을 취하는 것이 중요하다. 최근 스마트폰에서는 스크린 사용 시간을 알 수 있도록 도와주는 다양한 애플리케이션이 존재한다. 하지만, 사용자는 스마트폰 스크린뿐만 아니라 데스크탑, 노트북, 태블릿 등 다양한 스크린을 보기 때문에 이러한 앱만으로는 한계가 있다. 본 논문에서는 color, IMU, lidar 센서 데이터를 이용하여, 사용 중인 스크린 디바이스를 감지하는 머신 러닝 기반 모델을 제안하고 여러 가지 모델의 성능을 비교한다. 성능 비교 결과 신경망 기반 모델이 전통적인 머신 러닝 모델보다 높은 F1 스코어를 보였다. 신경망 기반 모델에서는 MLP, CNN 기반 모델이 LSTM 기반 모델보다 높은 스코어를 보였으며, 전통적인 머신 러닝 모델에서는 RF 모델이 가장 우수했으며, 다음으로는 SVM 모델이었다.

딥러닝 기술은 실세계의 객체를 분류하거나 인식하기 위해서 사용된다. 이를 위해서 준비된 많은 데이터를 고성능 컴퓨터에서 학습한 후에, 그 학습모델을 인식기에 탑재하여 각종 객체들을 인식한다. 이러한 인식기는 다양한 환경에서 사용되면서 인식하지 못하는 객체들이나 인식률이 낮은 객체들이 발생할 수 있다. 이런 문제를 해결하기 위해서 실세계 객체들을 주기적으로 학습하여 인식률을 높인다. 하지만, 즉각적인 인식률 향상이 어려울 뿐만 아니라, 임베디드 디바이스 등에 탑재되어 있는 인식기에서 학습하는 것이 쉽지 않다. 따라서, 본 논문에서는 임베디드 디바이스에 적용 가능한 부분 학습 기반의 실시간 손글씨 인식기를 제안한다. 제안된 인식기는 사용자 요청 시마다 임베디드 디바이스에서 부분 학습을 할 수 있는 환경을 제공하고, 실시간으로 인식기의 학습모델이 갱신된다. 이로 인해서 인식기의 지능이 지속적으로 향상됨으로 최초에 인식하지 못했던 손글씨에 대해 인식이 가능해진다. 이렇게 제안된 인식기는 RK3399 임베디드 디바이스에서 22개의 숫자와 글자에 대해서 학습과 추론이 가능하다는 것을 실험을 통하여 사람 손으로 쓴 은행 계좌명과 계좌번호를 인식할 수 있는 개인화된 지능을 가진 스마트 기기에 활용 가능할 것으로 기대된다.

머신러닝은 학습 데이터로부터 목적함수를 구성하고, 테스트 데이터를 통해 목적함수의 확인함으로써 발생하는 데이터에 대한 예측을 수행한다. 머신러닝에서 입력데이터는 전처리 과정을 통해 정규화 과정을 거친다. 이런 정규화는 입력데이터의 평균과 표준편차를 이용하여 표준화하거나, 수치 데이터가 아닌 nominal value는 one-hot 코드 형태로 변환하는 방식을 이용한다. 그러나 이 전처리 과정만으로 문제를 해결할 수 없다. 이러한 이유로 본 논문에서 입력데이터의 정규화를 위해 온톨로지를 이용하는 방법을 제안한다. 이를 위한 테스트 데이터는 모바일 기기로부터 수집된 와이파이 장치의 RSSI값을 이용하고, 수집된 데이터의 노이즈와 이질적 문제는 온톨로지를 이용하여 정제하는 방법을 제시한다.

현대 사회는 4차 산업 혁명과 더불어 디지털 장비의 사용이 증가하여 영상 및 신호처리의 중요성이 높아지고 있으며, 이와 함께 잡음 제거에 관한 연구가 활발하게 이루어지고 있다. 본 논문은 랜덤 임펄스 잡음 제거를 위한 스위칭 필터 알고리즘을 제안한다. 제안한 알고리즘은 영상에 존재하는 잡음 수준을 판단하여 임계값을 구하며, 임계값은 입력 화소값과 기준치의 차이와 비교되어 필터의 가중치 스위칭 과정에 사용한다. 필터의 최종 출력은 스위칭에 따라 화소 가중치 및 변형된 가중치 메디안 필터를 적용하여 추정치를 구하며, 추정치와 입력 화소값을 비교하여 최종 출력을 구한다. 제안한 알고리즘의 성능을 평가하기 위해 시뮬레이션 및 PSNR 등을 이용하여 기존 방법들과 비교하였다.

최근 IoT 기술의 발전과 함께 전력 절감에 대한 관심이 증가하면서 소형화되고 있는 스마트 디바이스들의 전력 절감에 대한 연구가 활발히 진행되고 있다. 특히 IoT 기반 스마트 디바이스들의 다양화와 개인 보급률의 증가로 인해 사용하지 않는 동안에도 발생하는 대기전력에 대한 이슈도 증가하고 있다. 그러나 실질적으로 대기전력을 절감하기 위해서는 물리적으로 콘센트를 뽑거나, 전원을 Off 해야 한다는 단점이 있으며, 기존 IP 기반이 아닌 Zigbee를 활용하기 때문에 인터넷 네트워크를 기반으로 하는 IoT 표준 프로토콜로 변경할 필요가 있다. 따라서 본 논문에서는 기존 Zigbee 기술에 IoT 표준 프로토콜인 CoAP을 적용한 대기전력 절감 시스템을 설계 및 구현하였다. 기존 시스템과 평가 결과 평균 약 8.4Wh의 대기전력이 절감된 것을 확인하였다.

본 논문은 협대역 다중전송시스템의 구조 및 다중전송에 적합한 등화기의 성능 분석에 관한 것으로서. 등화 성능의 극대화를 위하여 다중전송에 있어 레인징 기법에 기반한 전송 시점 제어 방법을 제안하고, 제안된 다중 전송기법에 적합한 연판정 및 강판정 조합 궤환 적응 판정 등화기를 제안하였다. 본 논문에서 제안하는 연판정 및 강판정 조합 궤환 적응 등화기는 SNR의 범위에 따라 궤환 적응 등화기의 입력으로 사용되는 판정 방법을 가변하는 것이다. 제안된 기법의 우수성을 입증하기 위하여 페이딩 채널 환경에서 모의실험을 통하여 제안된 방법의 성능을 검증하였다. 성능 검증결과, 기존 방법과 비교하여 본 논문에서 제안하는 방법이 큰 복잡도 증가 없이 기존 방법의 성능을 뛰어넘는 우수한 성능을 보임을 확인하였다.

개인정보 보호의 중요성이 어느 때보다 주목을 받고 있다. 그러나 택배 시스템은 이러한 개인정보 보호에 대한 움직임을 아직 따라가지 못하고 있다. 택배 상자에는 수취인에 대한 개인정보가 적혀있는 운송장이 붙어있어 누구나 손쉽게 개인 정보를 탈취해 갈 수 있다. 이러한 문제점을 개선하기 위해 본 논문에서는 운송장의 내용을 사람이 눈으로 읽고 접근할 수 있는 글자가 아닌 QR 코드로 대처할 것을 제안한다. 또한 해당 QR 코드의 내용에 대한 무분별한 접근을 방지하기 위해 해당 내용에 대한 접근은 택배 블록체인 네트워크에 등록된 스마트 글라스만을 사용하여 접근할 수 있게 한다. 마지막으로 접근 가능한 스마트 글라스를 보유한 사람으로부터 해당 내용이 유출되는 것을 방지하기 위해 해당 접근 기록을 블록체인에 기록할 것을 제안한다.

마스트는 해군 함정에서 가장 높은 구조물로, 장거리 통신 및 레이더 가시거리(LOS, Line Of Sight) 확보를 위해 각종 통신기와 레이더 안테나들이 설치된다. 통합마스트는 레이더 반사 면적(RCS, Radar Cross Section)을 줄일 수 있어 함 생존성 향상을 기대할 수 있기 때문에 최근 미국, 유럽 등 해외에서 건조되는 함정에 적용되고 있는 비율이 늘고 있다. 본 논문에서는 해외에서 통합마스트를 적용할 경우 통신 안테나의 통합 현황 및 안테나 개발 사례를 분석하였다. 그리고 한국 해군의 운용 통신망을 분석하여 통합마스트를 적용할 경우 통신기 안테나 형태에 따른 함정 RCS 영향, 다양한 대역의 통신기 안테나의 통합마스트 통합 가능성과 고려사항을 제시하였다.

이 논문은 강수의 공간분포를 측정할 수 있는 전자파 기반 센서를 개발하는 것이며, 악천후 관측의 핵심인 강우, 강설, 바람장을 동시 측정할 수 있는 전파강수계(EWRG, Electromagnetic Wave Rain Gauge)에 관한 것이다. 본 연구를 통해 LFM 방식의 송수신 신호를 이론적으로 분석하였다. 또한 전파강수계 송수신기를 개발하기 위해서 LFM 송수신기 설계 및 모의실험을 수행하였다. 본 논문은 소형 HMIC(Hybrid Microwave Integrated Circuit)를 사용하여 K-BAND 펄스 구동 형 6W SSPA(Solid State Power Amplifiers) 송수신기 개발을 하였다. 65도의 고온의 환경에서 1%의 짧은 Duty를 가지는 6W 이상의 출력파워, 5dB이하의 수신 NF(Noise Figure)를 가지고 있다. 제작된 모듈은 파형발생부가 내장되어 LFM과 Square Pulse파형을 방출하며 수신부는 40dB이상의 수신 이득을 가진다. 이 논문에서 개발된 송수신기는 다른 소형 기상 레이더에 적용할 수 있다.

본 연구는 성인지적 관점을 기반으로 여성장애인의 역량강화를 위한 지역사회 중심의 정보화교육 지원방안을 고찰하였다. 첫째 과학기술정보통신부가 조사한 2018년도 '디지털정보격차 실태조사'를 활용하여 남성장애인과 여성장애인의 디지털정보격차의 현황을 파악하여 문제를 제기하였으며 둘째, 여성장애인 정보화격차 해소를 위한 법적 근거로서, 여성장애인을 위한 정보화교육지원 관련법을 제시하였다. 마지막으로 여성장애인이 이용할 수 있는 정보화교육지원 현황을 바탕으로 여성장애인종합지원센터 설치, 장애유형을 고려한 방문교육, 학습능력을 고려한 맞춤형 정보화 교육 개발 및 지원, 정보화 관련 지역사회 자원발굴 등 지역사회 중심의 역량강화 기반 여성장애인 정보화 교육 지원 방안을 제시 하였다.

Energy Efficiency in any WSN (Wireless Sensor Network) is a critical issue to elongate the life of the batteries equipped in sensors. LEACH(Low Energy Adaptive Clustering Hierarchy) is one of the mostly used routing algorithms which reduce the amount of transmitted data and save the energy in the network. In this paper, a new technique to select channels in routing algorithms is suggested and compared with the LEACH, ALEACH and PEGASIS. This technique forms clusters depending upon the node density as the deployement of the nodes is random. As a result, the proposed algorithm presents the better performance of the energy efficiency than those of the current algorithms.

Energy harvesting sensor networks have the ability to collect energy from the environment to overcome the power limitations of traditional sensor networks. The sensor network, which has a limited transmission range, delivers data to the destination node through a multi-hop method. The routing protocol should consider the power situation of nodes, which is determined by the residual power and energy harvesting rate. At this time, if only considering the magnitude of the power, power imbalance can occur among nodes and it can induce instantaneous power shortages and reduction of network lifetime. In this paper, we designed a routing protocol that considers the balance of power as well as the residual power and energy harvesting rate.

Recent advances in artificial intelligence have allowed for easier sentiment analysis (e.g. positive or negative forecast) of documents such as a finance reports. In this paper, we investigate a method to apply text mining techniques to extract in the financial report using deep learning, and propose an accounting model for the effects of sentiment values in financial information. For sentiment analysis with keyword detection in the financial report, we suggest the input layer with extracted keywords, hidden layers by learned weights, and the output layer in terms of sentiment scores. Our approaches can help more effective strategy for potential investors as a professional guideline using sentiment values.

The cultural background of users utilizing image search engines has a significant impact on the satisfaction of the search results. Therefore, it is important to analyze and understand the cultural context of images for more accurate image search. In this paper, we investigate how the cultural context of images can affect the performance of image classification. To this end, we first collected various types of images (e.g,. food, temple, etc.) with various cultural contexts (e.g., Korea, Japan, etc.) from web search engines. Afterwards, a deep transfer learning approach using VGG19 and MobileNetV2 pre-trained with ImageNet was adopted to learn the cultural features of the collected images. Through various experiments we show the performance of image classification can be differently affected according to the cultural context of images.

In this paper, we analyzed the noise figure of cascode low noise amplifier (LNA) based on the measured data of 65nm CMOS devices. By using the channel thermal noise model of transistors, we expanded noise figure equation and divided the equation into three parts to see its contributions to noise figure. We also varied design parameters such as bias point, transistor gate width, and operating frequency. Our results show that different noise sources dominate at the different operating frequencies. One can easily find the noise transition frequency with device models in ahead of the practical design. Therefore, this research provides a low noise design approach for different operating frequencies.

In this paper, we analyze the dominant noise source of conventional inductively degenerated common-source (CS) cascode low noise amplifier (LNA) when width and gate length of stacked transistors vary. Analytical MOSFET and its noise model are used to estimate the contributions of noise sources. All parameters are based on measured data of 60nm, 90nm and 130nm CMOS devices. Based on the noise analysis for different frequencies and device parameters including process nodes, the dominant noise source can be analyzed to optimize noise figure on the configuration. We verified analytically that the intuctively degenerated CS topology can not sustain its benefits in noise above a certain operation frequency of LNA over different process nodes.