Sequence data plays an important role in the field of intelligence, especially for industrial control, traffic control and other aspects. Finding abnormal parts in sequence data has long been an application field of AI technology. In this paper, we propose an anomaly detection method for sequence data using a diffusion model. The diffusion model has two major advantages: interpretability derived from rigorous mathematical derivation and unrestricted selection of backbone models. This method uses the diffusion model to predict and reconstruct the sequence data, and then detects the abnormal part by comparing with the real data. This paper successfully verifies the feasibility of the diffusion model in the field of anomaly detection. We use the combination of MLP and diffusion model to generate data and compare the generated data with real data to detect anomalous points.

한국과학기술정보연구원(KISTI)의 슈퍼컴퓨터 보조시스템인 Neuron은 이기종 가속기인 GPU가 탑재된 클러스터 시스템으로 작업관리 소프트웨어인 SLURM을 통해 국내 연구자들에게 서비스되고 있다. 본 논문에서는 SLURM 작업관리 소프트웨어의 작업 스케줄링 정책을 이용하여 연구자들이 제출하는 복수 개의 대기작업을 공정하게 처리하는 방안에 대해서 소개한다.

삼킴장애는 음식물이 입에서 식도로 가지않고 걸리거나 기도(Trachea)로 흡입되는 문제를 갖는 상태이다. 특히 노인이나 신경계 질환을 앓는 환자의 경우 기도로 흡입된 음식덩이가 폐렴을 일으키고 결국에는 사망으로 이어지기에 적절한 치료와 관리가 요구된다. 보통 영상으로 판단할 수 있는 삼킴단계는 구강준비단계(Oral Preparatory Phase), 구강단계(Oral Phase), 인두단계(Pharyngeal Phase), 식도단계(Esophageal Phase) 4가지로 분류하고 삼킴장애는 침습(Penetration)과 흡인(Aspiration)으로 크게 2가지로 분류한다. 본 논문에서는 이러한 6가지 클래스를 가지는 삼킴장애 환자 비디오 파일을 라벨링하기 위한 웹 애플리케이션을 제안한다. 이를 구현하기 위해서 대용량 멀티프레임 이미지를 수신해서 분리하여 저장하도록 개발하였다. 또한 음식덩이를 정교하게 분할할 수 있도록 GrabCut 알고리즘을 적용하여 라벨링할 수 있도록 하였다. 차후 라벨러와 전문의 간의 협업이 가능하도록 라벨링 데이터의 상태를 관리할 수 있도록 개발하고자 한다.

GPGPU 환경에서의 ML 모델이 다양한 분야에 지속적으로 활용되면서, 이미지 분할(image segmentation) 연구가 활발하다. multi-GPU 환경에서 성능 최적화를 위하여 병렬화 기법들이 활용되고 있다. 본 연구에서는 multi-GPU 환경에서 U-Net 모델의 전체 수행 시간을 단축하기 위해 convolution 연산을 최적화하는 기법을 적용하는 실험을 진행하였고 shared memory, data parallelism 를 적용하여 82% 성능 향상을 보여주었다.

뇌의 전기적 신경활동을 측정하는 뇌전도(EEG)는 저렴하게 취득할 수 있고 높은 시간 해상도를 갖는 반면 공간적 정보를 제공하지는 않는다. 기능적 자기공명영상(fMRI)은 혈류변화를 감지하여 뇌활동을 측정하는 방식으로서 높은 공간 분해능을 갖지만 고가의 비용과 설비를 요구한다. 최근 저렴하게 취득할 수 있는 EEG 데이터로부터 딥러닝을 사용하여 fMRI 합성영상을 생성하는 기술이 제안되었지만, 저주파수 대역에서 EEG와 fMRI 간의 뇌과학적 상관관계를 반영하지는 않는다. 본 연구에서는 휴식상태에서 취득된 EEG 데이터를 스펙트로그램으로 변환한 후 저주파수 특성을 사용하여 fMRI 합성영상을 생성하는 U-net 기반의 크로스 모달리티 변환 모델의 실현가능성을 평가하였다.

ViT(Vision Transformer)는 트랜스포머 구조에 이미지를 패치들로 나눠 한꺼번에 인풋으로 입력하는 모델이다. CNN 기반 모델보다 더 적은 훈련 계산량으로 다양한 이미지 인식 작업에서 SOTA(State-of-the-art) 성능을 보이면서 다양한 비전 작업에 ViT 를 적용하는 연구가 활발히 진행되고 있다. 하지만, ViT 모델도 AI 모델 훈련시에 생성된 그래디언트(Gradients)를 이용해 원래 사용된 훈련 데이터를 복원할 수 있는 모델 역전 공격(Model Inversion Attacks)에 안전하지 않음이 증명되고 있다. CNN 기반의 모델 역전 공격 및 방어 기법들은 많이 연구되어 왔지만, ViT 에 대한 관련 연구들은 이제 시작 단계이고, CNN 기반의 모델과 다른 특성이 있기에 공격 및 방어 기법도 새롭게 연구될 필요가 있다. 따라서, 본 연구는 ViT 모델에 특화된 모델 역전 공격 및 방어 기법들의 특징을 서술한다.

최근 상품의 특성을 고려하지 않은 박스 크기 선택과 박스 공간 내 비효율적인 상품 배치로 인하여 박스의 파손 문제가 지속적으로 제기되고 있다. 이는 적재하고자 하는 상품의 특성을 고려하지 않고 상품을 대략적으로 배치하기 때문이다. 따라서 본 논문에서는 면적과 무게와 같은 상품의 특성을 고려한 상품 배치 최적화 알고리즘을 제안하여 공간 배치의 비효율성 문제를 최소화하고자 한다. 제안한 상품 배치 최적화 알고리즘은 검색 트리 (search tree)와 상품 특성 기반 평가 함수(evaluation function)로 구성되어 있다. 상품 특성 기반 평가 함수는 면적, 무게 및 바닥에 닿는 면적을 고려하여 설계되었다.

본 연구는 부동산 경매 기일에 해당 지방법원 현장에 참석하기에 어려움을 느끼는 많은 개인(수요자)들을 위하여 해당 지역에 거주하는 입찰대리인들을 효율적으로 연결해주는 플랫폼이다. 본 플랫폼은 입찰대리인과의 입찰대리 계약을 체결해주는 플랫폼으로서, 입찰대리인은 기일에 경매법정에서 해당 수요자의 입찰행위를 대행한다. 이를 통해 부동산 경매 사건에 관심이 있음에도 불구하고, 시간/장소 측면의 제약으로 인하여 참여하지 못하는 대다수의 직장인들이 부동산 경매 입찰할 수 있다.

본 논문에서는 FPGA 를 활용하여 radix-2 Fast Fourier Transform(FFT) 알고리즘을 빠르고 효율적으로 구현하는 연구에 대해 기술한다. 본 논문에서 zybo z7-20 FPGA 를 사용하여 Processing System(PS)에서만 동작하는 구현과 Programmable Logic(PL)에서 동작하며 파이프라인과 병렬처리를 사용한 FFT 구현 결과를 비교한다. 또한 유사한 논문과의 결과 비교를 통해 본 구현 방법의 연산 시간 및 리소스 사용의 효율성을 분석한다.

현대 시스템의 크기와 복잡도 증가로 인하여 시스템의 여러 구성 요소들이 공유하는 메모리에 대한 최소 특권의 원칙 적용의 필요성이 대두되었다. 제 3 자 라이브러리, 다중 쓰레드 등의 각 구성 요소들이 접근할 수 있는 메모리 권한을 다르게 적용함으로써 구성 요소들 중 하나에서의 취약점이 전체 시스템을 위협하는 것을 방지함과 동시에 각 요소들 간 효율적인 메모리 공유를 가능케 하기 때문이다. 본 논문에서는 공유 메모리에 대한 최소 특권의 원칙 적용 기법들의 분석과 더불어 각 기법들이 가지는 한계점을 제시한다.

양자 컴퓨터의 연산 성능이 알려지면서 기존 암호 시스템이 붕괴될 것이라 예상한다. 앞선 많은 연구들은 공격 대상 암호에 대해 양자회로로 구현하고 공격에 필요한 양자자원을 추정하였지만 암호를 공격하기 위해서는 대규모 양자컴퓨터의 동작을 요구한다. 뿐만 아니라 내결함성 양자 컴퓨터에서 유효한 결과를 얻기 위해서는 오류 정정이 필수적이며 오류 정정에도 양자 자원을 소비하며 결과적으로 더 큰 규모의 양자컴퓨터가 필요하고 크기가 커질수록 오류가 증가한다. 이러한 내결함성 대규모 양자회로에서 T 게이트를 구현하는 것이 다른 게이트를 구현하는 것 보다 어렵고 T-depth가 회로의 실행시간에 큰 영향을 미친다. 본 논문에서는 T-depth 최적화 도구 및 T-depth 감소 기법을 적용한 방식을 조사하였다.

성장하는 빅 데이터 시장과 빅 데이터 수의 기하급수적인 증가는 기존 컴퓨팅 환경에서 데이터 처리의 어려움을 야기한다. 특히 이미지 데이터 처리 속도는 데이터양이 많을수록 현저하게 느려진다. 이에 본 논문에서는 Apache Spark와 OpenCV를 활용한 분산 클러스터 컴퓨팅 환경의 대용량 이미지 머신러닝 시스템을 제안한다. 제안하는 시스템은 Apache Spark를 통해 분산 클러스터를 구성하며, OpenCV의 이미지 처리 알고리즘과 Spark MLlib의 머신러닝 알고리즘을 활용하여 작업을 수행한다. 제안하는 시스템을 통해 본 논문은 대용량 이미지 데이터 처리 및 머신러닝 작업 속도 향상 방법을 제시한다.

Unreal Engine 5의 Level Streaming 기능은 플레이어가 플레이 도중 메모리에 Map을 로드/언 로드하는 등의 작업을 처리하는 기능이다. 이때 Level Streaming은 커다란 Map의 당장 필요한 부분에만 메모리에 로드하고, 렌더링하여 특히 Seamless Open world 장르에서 많이 사용된다. 본 논문에서 제안하는 방식은 이 Level Streaming 기능을 이용하여 현재 개발 진행 중인 Rogue-Like 장르 게임에서 비동기 방식의 로딩 화면과 Stage 전환을 통해 좀 더 부드러운, 즉 더 높은 Frames per Second(fps)를 플레이어에게 제공하기 위한 새로운 스테이지 시스템의 구현방식을 연구한다.

컴퓨터 부품의 고성능화로 점점 게임이 요구하는 사양이 높아지는 추세이다. 따라서 게임 개발에 있어 최적화가 필수적으로 요구된다. 본 논문에서는 '오브젝트 풀링'이라는 메모리 최적화 기법을 소개한다. 따라서 '오브젝트 풀링'을 적용한 탄막 게임을 만들어 메모리 최적화를 직접 구현해보고 연구한다.

본 논문에서는 대학생들의 스터디 활동을 돕는 앱의 구현 내용을 앱에서 핵심적으로 사용되는 관심도 기반 추천 알고리즘을 중점으로 소개하였다. 해당 알고리즘을 통해 이 앱은 사용자에게 더욱 높은 접근성을 제공한다. 본 논문에서는 이 알고리즘의 설계와 적용 방식을 서술하였고, 이를 통한 앱의 기대효과를 작성하였다. 본 연구의 과정은 해당 앱을 개발하는 과정을 서술하여 유사한 앱 또는 유사한 알고리즘을 활용하는 앱을 개발하는 프로젝트에서 사례로 활용될 수 있다.

대화형 독해 튜터링 시스템을 위한 학생주도 대화 데이터셋 생성 및 확장에 ChatGPT 의 활용 가능성을 평가하였다. 단순히 수동으로만 구축한 기존의 데이터셋과 ChatGPT 에 의해 반자동으로 확장된 데이터셋을 비교한 결과, 구축량, 소요 시간, 비용 및 반복 작업 측면에서 ChatGPT 가 가진 유용성을 알 수 있었다. 그러나, 유형별 배분의 편중과, 부적절한 데이터 생성 등의 한계도 나타났다. Chat GPT 의 빠른 발전이 예상됨에 따라 대화형 튜터링 분야에 ChatGPT 에 의한 반자동 데이터 확장 방법이 널리 활용될 것으로 기대된다.

국내 공공 하드웨어 분야 유지보수 발주에 있어 2013년도 이후 정확한 비용 측정 방식이 정해져 있지 않기에 국내·외 하드웨어 유지보수 관련 비용 측정 방식을 재조사하고 개선해 공공사업 부문 발주자 및 수주자 모두에게 적합한 가이드라인을 제시하고자 한다.

플립러닝의 핵심 성공요인은 변화된 교수자의 조력자 역할을 통해 학습자가 주도적으로 학습하고 문제를 해결할 수 있도록 유도하는 것이다. 이와 동시에, 공과대학 수업에서는 교수자의 지식전달자 역할과도 균형을 이루어 학습자의 학습내용 이해를 촉진해야 한다. 이에 대한 심층 분석을 위해 교수자 관점의 질적 분석이 진행되고 있는 가운데, 본 연구에서는 학습자의 인식에 기반하여 교수자의 역할을 탐색하였다. A전문대학에서 비대면 환경에서 운영된 공과대학의 플립러닝 기반 수업에서 교수자의 지원 및 역할을 조사한 후 키워드 네트워크 분석을 수행하였다. 연구 결과, '질의응답'과 '설명' 키워드에 대한 분석을 통해 변화하는 조력자로서의 역할이 주효한 동시에 학습내용의 이해도를 향상시키는 전달자로서의 역할도 확인하였으며 이를 바탕으로 제언하였다.

최근 인공지능 기술의 발전에 따라서 다양한 서비스에서 음성 인식을 활용한 서비스를 제공하면서 음성 인식에 대한 중요성이 증가하고 있다. 이 논문에서는 국내에서 많이 사용되고 있는 대표적인 인공지능 서비스 API 를 제공하는 구글, ETRI, 네이버에 대해서 감정 음성 관점에서 그 차이를 평가하였다. AI Hub 에서 제공하는 감성 대화 말뭉치 데이터 셋의 일부인 음성 테스트 데이터를 사용하여 평가한 결과 ETRI API 가 문자 오류율 (1.29%)과 단어 오류율(10.1%)의 성능 지표에 대해서 가장 우수한 음성 인식 성능을 보임을 확인하였다.

현재 정보 통신 기술을 기반으로 한 4차 산업 혁명의 흐름 속에 있다. 클라우드 컴퓨팅, 인공 지능, 로봇기술, 드론 등 4차 산업 혁명의 핵심 기술들은 가상 세계와 현실을 하나로 연결하는 O2O(Online To Offline) 쳬계를 구축했다. 그리고 4차 산업 혁명은 ICT 산업뿐만이 아니라 제조업, 의료업, 농업 등 다양한 산업 분야에 정보 융합 환경을 구축했다. 그중 클라우드 컴퓨팅은 정보 융합 환경을 구축하는 기본 요소로 통한다. 이로 인해 많은 기업은 클라우드 도입을 고려하고 있다. 온 프레미스 방식의 대리점 IT 인프라도 그 대상이다. 하지만 이미 오랜 시간 온 프레미스 위주의 IT 생태계가 형성되어 있으므로 전환 설계에 대한 연구와 향후 연구 방향 도출이 필요하다.

클라우드 애플리케이션의 성능 모니터링 방법에는 클라우드 소프트웨어 스택의 인프라, 플랫폼 및 애플리케이션 계층에서 수집한 시계열 데이터 분석이라는 방법이 존재한다. 클라우드 컴퓨팅 환경에서 운영되는 서비스 간의 런타임 종속성을 분석하는 것은 클라우드 리소스 관리를 수행하기 위해 필요한 단계이다. 본 논문에서는 Bi-LSTM 기법을 활용해 클라우드 애플리케이션의 관계를 분석하고 종속성을 찾아 모니터링 성능을 향상시키는 시스템을 제안한다. 제안하는 시스템은 클라우드 스택의 모든 계층으로부터 시계열 데이터를 수집하여 인공지능 모델을 훈련, 재훈련 및 업데이트 과정을 진행한다. 본 논문에서는 Bi-LSTM 모델을 활용하여 훈련 중에 학습된 성능 메트릭 간의 종속성을 발견한다.

인공지능의 학습 작업은 연산량이 많아 고성능 연산 장치인 GPU(Graphics Processing Unit)를 필요로 하며, GPU 장치의 성능은 학습 작업의 실행 성능에 직접적으로 영향을 미치는 요소 중 하나로 작용한다. 인공지능 작업을 처리하기 위해 많이 사용되는 텐서플로의 경우 GPU를 사용해 연산을 수행할 때 기본적으로 거의 모든 GPU 메모리 영역을 단일 학습 작업이 점유하도록 GPU 메모리를 관리한다. 이 방법은 컴퓨팅 자원 중 확장성이 가장 낮은 GPU 메모리의 단편화를 방지하기 위해 사용되는 방법이지만, 하나의 학습 작업이 GPU를 점유하게 되면, 실제 GPU 메모리 사용량과 상관없이 다른 프로세스는 GPU를 사용할 수 없는 문제를 유발한다. 특히, 전이학습, 소규모 학습과 같이 상대적으로 작업 규모가 작은 경우에는 전체 GPU 메모리 용량 중 대부분의 영역이 낭비된다. 본 논문에서는 컨테이너 환경에서 텐서플로의 기본 GPU 메모리 사용 방식으로 인해 다수의 학습 작업을 동시 실행하는 것이 불가능한 문제를 확인하고 GPU 메모리 사용량을 제한한 경우와 하지 않은 경우에 실제 GPU 메모리 사용량과 학습 작업의 실행 시간에 대한 성능 비교를 통해 GPU 메모리의 단편화 방지가 성능에 유의미한 요소인지 검증한다.

Low Earth Orbit(LEO) Non-Terrestrial-Network(NTN) 은 위성을 사용하여 통신 서비스를 제공하지 못하는 도시 이외의 산간, 바다, 항공기 또는 외진 지역에 통신 서비스를 제공하는 모델이다. Terrestrial Network(TN) 핸드오버에서 사용되는 Measurement-Based Triggering(MHT)의 경우 User Equipment(UE)에서 측정된 값을 기반으로 Measurement Report를 전달한다. 그러나 NTN 환경에서의 HO triggering은 TN 과는 달리 장거리 통신을 요구하고 위성이 빠른 속도로 이동함에 따라 MHT에 사용되는 지표들을 대체할 방법이 필요하다. 이 논문에서는 측정 유효성을 대체할 수 있는 지표로 UE와 셀 중심 간의 거리 및 고도 각을 활용하여 HO triggering을 예측하는 시스템을 제안한다. 제안한 예측 시스템은 핸드오버 triggering 예측에 대해 우수한 성능을 보였으며 좋은 측정 결과를 얻을 수 있었다.

유연한 이동성, 쉬운 배치, 저렴한 비용 등의 장점을 가진 Unmanned Aerial Vehicle(UAV)를 이용해 Deep Neural Network(DNN) 서비스를 제공하는 기술이 연구되고 있다. 하지만 UAV 는 메모리와 컴퓨팅 능력, 배터리가 제한되어 있어 DNN 서비스의 요구사항을 만족시키기 위해서는 다수의 UAV간의 협업이 필요하다. 본 논문에서는 다수의 UAV 협업 환경에서 DNN 서비스의 처리 지연시간을 줄이기 위해 UAV 들의 작업량을 고려한 서비스 분산 처리 기법을 제안하고, 시뮬레이션을 통해 DNN 서비스 처리 지연 시간을 분석한다.

최근 자동차는 다양한 서비스를 제공하는 플랫폼으로 진화하고 있다. 이러한 서비스를 제공하기 위한 기본 인프라는 차량간 통신이다. 하지만, 자동차의 높은 이동성은 무선 통신 링크의 단절을 빈번하게 일으키는 요인이 된다. 따라서 링크의 단절에 대처하기 위한 효율적인 대책이 필요하다. 본 논문은 통신 링크 단절로 인한 성능 저하를 줄이기 위한 릴레이 노드 선택 기법을 제안한다. 시뮬레이션을 통한 성능 분석에서 제안하는 기법을 통해 네트워크 성능이 향상되는 것을 보여준다.

도로 사고의 30% 이상이 도로 환경 조건에 의해 발생되는 것으로 추정된다. 따라서, 도로 환경의 정보는 사고를 줄이기 위한 한 방편이 될 수 있다. 본 논문은 도로 환경을 모니터링하기 위해 설치된 센서들로부터 효율적으로 데이터를 수집하기 위한 멀티 채널 토폴로지 관리 기법을 제시한다. 센서들의 밀집도가 높아져도 제안하는 기법을 통해 데이터 충돌과 에너지 소모를 줄일 수 있다. 시뮬레이션 성능 분석에서 제안하는 방식을 통해 수집되는 데이터가 증가하는 것을 확인할 수 있다.

본 논문에서는 Chat GPT API 를 활용하여 웹 대시보드를 기획하는 것을 다루고 있다. 이 대시보드는 개인과 업무에서 생성된 데이터를 통합하여 데이터 분석을 쉽게 할 수 있도록 도와주며, 머신 러닝 절차를 기반으로 화면 구성이 이루어졌다. 이를 통해 비전문가도 쉽게 데이터 전처리, 시각화, 학습, 저장소 등의 기능을 사용할 수 있다.

가상 화폐가 금융권에 등장한 이후 가상화폐를 얻기 위한 채굴이라는 작업이 각광받기 시작하였다. 하지만 시간이 흐르면서 채굴기를 가동하는데 소모되는 전력보다 채굴에 따른 보상의 양이 적어지면서 수익 구조가 무너지기 시작하였다. 본 논문에서는 태양열 에너지 발전을 통해 가상화폐를 채굴하는 방법을 제안한다. 태양열 발전을 위한 시스템을 설계하고 수익성을 증명하였다. 그 결과 태양열 발전 설비로 생산한 전력을 판매하여 얻는 수익보다 채굴기를 가동하여 얻는 수익이 약 17% 더 많은 것을 알 수 있었다. 채굴 시장의 규모는 블록체인 시장 규모에 비례하여 증가하고 있기 때문에 채굴 시장의 전망도 증가할 것으로 예상된다.

CPU 와 GPU 의 성능이 지속적으로 발전함에 따라 객체 인식 인공지능의 정확도와 추론 속도는 점차 향상되고 있으나 이러한 성능을 Edge Device 와 같은 제한된 환경에서 구현하기에 아직 여러 한계점이 존재한다. 본 논문에서는 여러가지 Edge Device 에서 객체 인식을 위한 경량화 된 모델 중 하나인 SSD-Mobilenet-V2 를 활용하여 결과값을 통해 각 Device 간 경향성을 분석하였다. 본 결과를 바탕으로 다양한 환경에서의 객체인식 인공지능 모델의 성능 개선을 위한 연구에 활용할 수 있다.

태양 에너지 수집형 IoT 기기는 주기적으로 재충전되는 태양 에너지의 특성상, 에너지 소모를 최소화하기보다는 수집된 에너지를 최대한 유용하게 사용하는 것이 중요하다. 한편, 데이터 기밀성과 프라이버시, 응답속도, 비용 등의 이유로 클라우드가 아닌 데이터 소스 근처에서 머신러닝을 수행하는 엣지 AI에 대한 연구도 활발한데, 그 중 하나는 여러 IoT 장치들이 수집한 오디오 데이터를 활용하여, 다양한 AI 응용들을 IoT 엣지 컴퓨팅 환경에서 제공하는 것이다. 그러나, 이와 관련된 많은 연구에서, IoT 기기들은 에너지의 제약으로 인하여, 엣지 서버(IoT 서버)로의 센싱 데이터 전송만을 수행하고, 데이터 전처리를 포함한 모든 AI 과정은 엣지 서버에서 수행한다. 이 경우, 엣지 서버의 과부하 문제 뿐 아니라, 학습 및 추론에 불필요한 데이터까지도 서버에 그대로 전송되므로 네트워크 과부하 문제도 야기한다. 또한, 이를 해결하고자, 데이터 전처리 과정을 각 IoT 기기에 모두 맡긴다면, 기기의 에너지 부족으로 정전시간이 증가하는 또 다른 문제가 발생한다. 본 논문에서는 각 IoT 기기의 에너지 상태에 따라 데이터 전처리 여부를 결정함으로써, 기기들의 정전시간 증가 문제를 완화시키면서 서버 집중형 엣지 AI 환경의 문제들(엣지 서버 및 네트워크 과부하)을 완화시키고자 한다. 제안기법에서 IoT 장치는 기기가 기본적으로 동작하는 데 필요한 에너지 외의 여분의 에너지 양을 예측하고, 이 여분의 에너지가 있는 경우에만 이를 사용하여 기기에서 전처리 과정, 즉 수집 대상 소리 판별과 잡음 제거 과정을 거친 후 서버에 전송함으로써, IoT기기의 정전시간에 영향을 주지 않으면서, 에너지 적응적으로 데이터 전처리 위치(IoT기기 또는 엣지 서버)를 결정하여 수행한다.

본 논문에서는 엣지 컴퓨팅에서 다수의 스마트 카메라를 클러스터링하여 협업하며 로드 밸런싱을 수행하는 알고리즘을 제안하고, Kubernetes 환경에서 시뮬레이션을 통해 여러 가지 상황에서 성능을 검증하여 엣지 컴퓨팅에서의 AI 연산을 보다 효율적으로 수행할 수 있는 방법을 제시한다.

기존에 존재하는 해양쓰레기 처리 기술은 처리할 수 있는 쓰레기의 종류와 양이 한정되어있거나, 장치를 설치하는 데 많은 시간을 소비하는 문제점이 존재한다. 본 연구에서는 효율적으로 해양 침적쓰레기를 수거하기 위한 관리 시스템과 시나리오를 제안한다. 특히, 시나리오는 센서 배치, 감지, 분류, 처리와 같이 4단계로 구성되며, 각 단계에서 기존 문제점 해결을 위한 방안을 제시한다.

기존의 헬스케어 분야에서 사물인터넷 기술은 단순히 사용자가 웨어러블 디바이스를 통해 개인적으로 건강 정보를 확인하고 응급 상황 시에 직접 응급 센터에 연락하는 등의 제한된 용도로만 사용되고 있다. 따라서, 본 연구에서는 신속한 응급 환자 식별 및 이송을 위해 사물인터넷 기반의 응급 환자 관리 시스템을 제안한다. 특히, 사용자의 응급 상황 1분 전후의 정보를 수집하여 119안전센터와 구급차로 전달하여 빠른 환자 상황 대처가 가능하게 한다. 또한, 실시간 구급차의 이동상황에 따라 신호등 상태를 조작하여 응급 환자를 보다 빨리 병원으로 이송한다.

대기오염에 대한 사회적 관심이 증가함에 따라 미세먼지 관련 IoT 가전제품의 수요가 증가하였다. 이에 따라 IoT 제품에서 수집되는 실내 데이터의 정확성을 높이기 위해 미세먼지 센서 외의 추가적인 센서를 사용하여 관측치를 예측하는 연구가 진행되고 있다. 하지만 기존 연구에서는 센서의 물리적 한계를 인공지능을 통하여 극복하려는 시도는 존재하지 않는다. 본 논문에서는 추가적인 센서를 사용하지 않고 단일 센서만을 사용하여 미세먼지 종류의 구분 가능성을 판단하고자 하며 이를 정확도 기반으로 비교 실험을 진행하여 가장 좋은 성능을 나타낸 딥러닝 기반 분류모델을 선정한다.

사물인터넷이 발전함에 따라 사용자에게 여러 서비스를 제공하기 위한 사물인터넷 플랫폼이 활발하게 개발되고 있다. 그러나 각각의 플랫폼은 독자적인 환경에서 개발되고 있어 상호운용성에 어려움이 있다. 특히, 이기종 사물인터넷 플랫폼이 리소스 보호를 위해 동일한 속성기반 접근제어를 사용하더라도 속성을 표현하는 표현법이 상이하여 유효한 속성을 소유하고 있음에도 타 플랫폼의 리소스에 접근할 수 없는 문제가 있다. 이에, 본 논문에서는 속성기반 접근제어를 활용하는 이기종 사물인터넷플랫폼 간의 서로 다른 속성 표현법을 이해하여 상호운용할 수 있는 프레임워크를 제안한다. 본 프레임워크는 자가적응 모듈을 통해 동일한 속성이더라도 표현법의 차이로 발생하는 상호운용의 문제를 해결하여 이기종 플랫폼 간의 리소스 접근이 가능하도록 한다.

낙석에 대한 시뮬레이션과 낙석 발생 예측 연구들이 상당히 진행되었으며 낙성 피해 방지를 위한 낙석방지시설들을 꾸준히 설치되고 있으나 2023년 4월에도 자동차 전용 도로에서 낙석에 의한 피해가 발생하고 있다. 따라서 본 논문을 통해 운전자들에게 낙석 발생 사실을 미리 알릴 수 있도록 자동차 전용 도로에서 발생하는 진동 데이터들을 중심으로 낙석이 발생하면 탐지할 수 있는 합성곱 모델을 연구한다.

IoT(Internet of Things) 기기를 활용하는 분야가 증가함에 따라 스마트 팩토리, 스마트 그리드 등 융합환경이 발전되었으며, 융합환경이 상호연결되는 IoBE(Internet of Things Blended Environment)가 조성되고 있다. 그러나, IoBE 구성요소가 복잡해짐에 따라 공격 표면이 증가하고, 기존에 알려진 보안위협이 융·복합되어 새로운 형태의 보안위협인 복합위협(BT, Blended Threat)이 발생할 수 있다. BT는 다양한 보안위협이 복합적으로 연계되어 발생함에 따라 예측하여 대응하기에 기존 보안위협보다 상대적으로 어려우며, 이에 대응방안 간의 조합을 통해 보안위협에 유동적으로 대응하는 동적 보안 프레임워크가 필요하다. 따라서, 본 논문에서는 BT에 대한 대응방안 동적 조합 프레임워크를 제안한다.

With the recent advances in communication technology and Internet of Things (IoT) infrastructure, home automation systems have emerged as a new paradigm for providing users with convenient smart home services. The IoT ecosystem has merged digital systems with the physical world, dramatically changing the way people live and work. However, at the same time, security remains one of the most significant research issues in IoT, as the deployment and application of high-availability systems come with various security risks that cause serious threats to users. Among them, the security issues arising from the interaction among devices/applications should not be underestimated. Attackers can exploit interactions among devices/applications to hack into the user's home. In this paper, we present a survey of research on detecting various types of interactions among devices/applications in IoT.

The mobile crowdsensing platform obtains sensing data from mobile users, and the involvement of the public increases the untrustworthy of collected data. In order to distinguish factual data from inaccurate data provided by untrustworthy users, the truth discovery method has been introduced for accurate data aggregation in mobile crowdsensing (MCS). To explore the application of truth discovery in mobile crowdsensing, we overview the general concepts of truth discovery algorithms. Finally, we summarize the main existing application prospects of truth discovery in mobile crowdsensing.

본 논문은 PIPO 알고리즘의 최적 구현 기술들에 대한 연구 동향을 살핀다. PIPO는 선형, 차분 공격에 안전한 S-box를 사용하는 SPN 구조의 경량 블록 암호 알고리즘이다. 블록 크기는 64비트이고 비밀키 크기에 따라 PIPO-128과 PIPO-256으로 나뉜다. PIPO 알고리즘의 S-Layer, R-Layer, Addroundkey의 3가지 내부 동작과정과 각 라운드에서 사용되는 연산들에 대한 자세한 설명이 제공된다. 본 논문에서는 RISC-V 및 ARM 프로세서, CUDA GPGPU에서 PIPO 알고리즘을 최적화 구현하는 방법을 다룬다. 해당 연구들에선 최적 구현 기술을 적용하여 PIPO 암호를 적용하는 IoT 장치에서도 안전하고 빠른 암,복호화를 수행할 수 있음을 보였고, 기존 연구와의 비교를 통해 성능 향상이 이루어짐을 확인할 수 있다.

IoT 산업의 규모가 커짐에 따라서 IoT 디바이스 간의 통신 프로토콜에 대한 위협도 증가하고 있으며, 이에 따라 IoT 프로토콜에 대한 보안의 중요성이 대두되고 있다. 하지만 IoT 프로토콜 중 비교적 최근에 등장한 프로토콜인 CoAP 프로토콜에 대한 연구는 아직 충분하지 않으며, CoAP에 대한 기존의 연구는 커버리지를 고려하지 않은 퍼저를 사용하였다. 따라서 이번 연구에서는 커버리지를 고려한 CoAP대상 퍼저를 개발하고 CoAP의 잠재적인 취약성을 점검한다. CoAP의 c 구현체인 libcoap 라이브러리를 대상으로 퍼징한 결과, 총 2개의 힙 버퍼 오버 플로우 취약점을 발견하였다.

SMAUG는 2023년 한국형 양자내성암호 표준화 공모전인 KpqC의 공개키 부문의 1차 후보로 당선된 양자내성암호 알고리즘이다. SMAUG는 MLWE와 MLWR을 사용한 격자 기반 알고리즘으로, 비슷한 문제를 사용하는 CRYSTALS-Kyber에 비해 키 크기가 작다는 장점이 존재한다. 본 논문에서는 SMAUG를 ARMv8 프로세서 상에서 구현하였다. 곱셈 연산의 가장 최하위 모듈을 병렬 구현하여 연산 속도를 빠르게 하는데 집중하였다. 구현 결과 곱셈 알고리즘은 최대 24.62배, 암호 연산에 적용할 경우 최대 3.51배 성능 향상이 있었다.

자율주행차가 제공하는 새로운 시장과 경쟁력, 인력 및 시간 절약, 교통 체증 문제 해결 등의 장점을 다루고, UN 사이버 보안 법률에 따른 자율주행차의 기술적인 요구사항을 준수해야 한다. 하지만 자율주행차에 대한 기술적인 요구사항을 준수하는 것으로는 모든 사이버 공격에 대해서 막을 수 없다. 자율주행차의 법적 요구사항과 사이버 보안 위협에 대처하는 방법을 다룬다. 특히 RTOS(Real Time OS)와 같은 실시간 시스템에 매우 위험할 수 있는 DRAM(Dynamic Random Access Memory)에 대한 로우해머링 공격 기법에 대해 분석하고 로우해머링에 대한 보안 방법을 제시한다. 그리고 자율 주행 시스템의 안전과 신뢰성을 보장하기 위해 하드웨어 기반 또는 소프트웨어 기반 방어 기술을 소개하고 있다.

양자 컴퓨터가 현대 암호 시스템의 보안성을 위협하고 있음에 따라, 최근 잠재적인 양자 공격들에 대한 분석 연구들이 다수 발표되고 있다. 공개키 암호인 RSA와 ECC의 경우, Shor 알고리즘에 의해 다항시간 내에 해결됨으로써 보안성이 완전히 붕괴되는 반면, 대칭키 암호는 Grover 알고리즘에 의해 보안 강도가 제곱근으로 감소하기 때문에 키 길이를 증가시킴으로써 기존 보안성을 복구할 수 있다. 이론적으로 Grover 알고리즘은 보안성을 훼손시키지만, 현실적인 공격 난이도가 매우 높음에 따라 대상 암호에 대한 양자 회로 최적화 구현이 중요하다. 이에 본 논문에서는 블록암호 RC5를 양자 회로 상에서 최적화하고 이를 기반으로 Grover 공격 비용을 추정한다. 마지막으로, 추정한 비용을 NIST의 양자 후 보안 강도 평가와 함께 비교함으로써 RC5에 대한 양자 암호 분석을 수행한다.

As deep learning has become an essential part of human lives, the requirement for Deep Learning as a Service (DLaaS) is growing. Since using remote cloud servers induces privacy concerns for users, a Fully Homomorphic Encryption (FHE) arises to protect users' sensitive data from a malicious attack in the cloud environment. However, the FHE cannot support several computations, including the most popular activation function, Rectified Linear Unit (ReLU). This paper analyzes several polynomial approximation methods for ReLU to utilize FHE in DLaaS.

본 논문에서는 2-bit RISC-V 프로세서 상에서의 경량 블록 암호인 SPECK의 CTR 운용 모드에 대한 최적 구현을 제안한다. RISC-V 상에서의 SPECK 단일 평문과 2개의 평문에 대한 최적화와 고정된 논스 값을 사용하는 CTR 운용모드의 특징을 활용하여 일부 값에 대해 사전 연산을 하는 라운드 함수 최적화를 제안한다. 결과적으로, 레퍼런스 대비 제안된 기법은 단일 평문과 2개의 평문에 대해 각각 5.76배 2.24배 성능 향상을 확인하였으며, 사전 연산 기법을 적용하지 않은 최적 구현 대비 사전 연산 기법을 적용하였을 때, 1% 성능 향상을 확인하였다.

현재까지의 순서 노출 암호화 기법 (Order-Revealing Encryption, ORE) 중 안전성과 실용성을 동시에 만족시키는 기법은 Parmeter hiding ORE (18' ASIACRYPT)와 Efficient Multi-client ORE (21' ESORICS)이다. 하지만 두 기법은 이산 대수 문제를 기반으로 설계되었기 때문에 쇼어 알고리즘을 활용한 양자컴퓨터에 취약하다. 따라서 본 연구에서는 이러한 위협에 대비하고자 양자 컴퓨터에 내성을 갖는 Learning With Error (LWE) 문제를 기반으로 한 안전한 ORE 기법을 제안한다.

악성코드를 유포할 때 프로그램 코드만으로 악성코드의 유무를 확인할 수 없도록 조치하여 분석을 지연시키는 방식을 사용하는 방향으로 발전하고 있다. 악성코드를 실행하지 않고 코드와 구조만으로 분석하는 정적 분석으로는 악성코드를 판별할 수 없어 코드를 직접 실행해 분석하는 동적 분석을 이용해야 한다. 본 논문에서는 난독화된 비정상적인 코드를 직접 실행한 동적 분석데이터와 일반적이지 않은 섹션들의 정보를 추출한 정적 분석데이터를 이용해 동적-정적 분석 데이터와 딥러닝 모델을 통해 난독화 및 패킹된 악성코드를 탐지하는 기법을 제안한다.

안드로이드는 오픈소스로 많은 제조 업체들이 자신들의 서비스에 맞게 커스터마이징 하기도 한다. 다만, 접근 제어 정책들을 올바르지 못하게 수정하거나 추가함에 있어서 발생하는 취약점을 통해 공격자가 해당 접근 제어 메커니즘을 우회하여 보안적 위험 문제가 발생할 수 있다. 이에 따라 안드로이드의 다양한 접근 제어 정책들을 살펴보고, 제조 업체가 추가하는 접근 제어 정책을 검사하거나 발생하는 취약점에 따라 우회할 수 있는 방법들을 찾아내는 최근 연구들의 동향을 분석하고자 하며 앞으로의 관련 연구의 지속적인 필요성을 제시한다.

양자 컴퓨터가 현대 암호 시스템의 보안성을 위협하고 있음에 따라, 최근 잠재적인 양자 공격들에 대한 분석 연구들이 다수 발표되고 있다. 공개키 암호인 RSA와 ECC의 경우, Shor 알고리즘에 의해 다항시간 내에 해결됨으로써 보안성이 완전히 붕괴되는 반면, 대칭키 암호는 Grover 알고리즘에 의해 보안 강도가 제곱근으로 감소하기 때문에 키 길이를 증가시킴으로써 기존 보안성을 복구할 수 있다. 이론적으로 Grover 알고리즘은 보안성을 훼손시키지만, 현실적인 공격 난이도가 매우 높음에 따라 대상 암호에 대한 양자 회로 최적화 구현이 중요하다. 이에 본 논문에서는 블록암호 RC5를 양자 회로 상에서 최적화하고 이를 기반으로 Grover 공격 비용을 추정한다. 마지막으로, 추정한 비용을 NIST의 양자 후 보안 강도 평가와 함께 비교함으로써 RC5에 대한 양자 암호 분석을 수행한다.

최근 클라우드 이용자 수의 급증에 따라 클라우드 상의 리눅스 환경 보안의 중요성이 대두되고 있다. 또한 클라우드 상의 리눅스 환경의 CCE(Common Configuration Enumeration) 취약점 보안 설정은 중요성의 비해 사용자들이 놓치는 경우가 많은 실정이다. 하지만 앞서 진행된 연구에는 리눅스 서버에 대한 보안 관리 방안으로 스크립트를 통한 진단방식 만을 제공하였다. 본 논문에서는 진단 쉘 스크립트 사용 및 진단 항목별 실시간 통계 분석, 시각화를 활용해 리눅스 환경을 향한 사이버 공격을 대비한다. 이후 보안 담당자들이 클라우드 취약점을 점검하는 데 유용한 도구가 될 것으로 사료된다.

실생활에서 CCTV가 증가함에 따라 영상에서 개인정보 유출에 대한 관심도 증가하고 있다. CCTV로 녹화된 영상에서는 다양한 개인정보가 노출될 수 있기 때문에, 개인정보를 비식별화할 수 있는 영상 암호화 기술이 필요하다. 현재 다양한 영상녹화 장치에서 효율성을 위해 HEVC가 많이 사용되고 있으며, HEVC 영상에서 관심영역만을 암호화하는 실시간 관심영역 암호화 기술이 연구되고 있다. 기존의 HEVC 영상에서 관심영역 암호화 기법은 모든 프레임의 관심영역에 포함되는 타일을 암호화하므로 많은 연산자원을 필요로 한다. 본 논문에서는 선별된 일부 프레임에서 관심영역에 포함되는 타일을 선택적으로 암호화하여, 모든 프레임에서 관심영역의 비식별화를 유지하며 암호화 성능을 향상하는 방법을 제안한다. 결과적으로 제안한 방법을 사용함으로써 영상 암호화 시 전체 프레임에 대한 비식별화를 유지하면서 기존 방법보다 암호화에 걸리는 시간이 50.4% 감소하였다.

최근 결제 시스템은 인간 친화적이며 다양한 디지털 기술들의 발전으로 간편화되고 있다. 특히 핀테크의 일종인 간편 결제 시스템은 효율성과 간편성을 강조하면서 금융 시장에서 크게 화두 되는 시스템이다. 그러나 효율성과 간편성에 집중하다 보니 보안성이 낮아지는 단점을 가지고 있다. 특히, 간편 결제 시스템의 핵심인 토큰 시스템의 취약점은 가장 큰 문제를 발생할 수 있다. 이에 대응하기 위해, 이 논문에서는 기존 결제 시스템 방식에 비대칭 암호화 방식을 추가하여 간편 결제 시스템의 보안성을 높여 토큰 취약점 대응 시스템을 제안한다.

확장하는 디지털 인프라에 발맞추어 IoT 산업또한 점점 시장을 넓히고 있다. IoT 보안위협에 대한 대응준비는 아직 미흡하며 Mozi 봇넷 등 신규 IoT 봇넷의 등장과 증가하는 피해사례는 상황을 더욱 악화시키고 있다. 이에 본 논문에서는 Mozi 봇넷의 동작 원리를 기반으로 한 DHT 프로토콜의 흐름의 특징을 네트워크 로그에서 추출하고 이를 기계학습에 적용하는 탐지모델을 제안한다.

ROS2 코드에서, multi-threaded executor 은 여러 메시지 또는 이벤트를 병렬로 처리할 수 있도록 복수의 스레드를 만든다. Multi-threaded executor 을 사용하면 프로그램 성능이 가속화되고 메모리를 경제적으로 사용할 수 있지만, 하나의 시스템 자원을 여러 개의 프로세스가 동시에 참조하거나 수정하기 때문에 deadlock 등의 여러 문제가 발생한다. 이 논문에서는 libclang 인터페이스를 이용해 ROS2 코드를 구문 분석하고 스레드 안전성을 평가하는 방법과 그 한계점, 향후 연구 방향에 대해 논한다.

구별자 공격은 암호 알고리즘이 특정 확률로 특정 차분 특성을 만족한다는 사실을 활용하여 랜덤 데이터들로부터 암호 데이터를 구별해내는 작업이며, 데이터에 대한 확률적인 예측을 수행하는 딥러닝 기술은 이에 대한 좋은 솔루션이 될 수 있다. 최근 딥러닝 기술이 발달함에 따라 실제로 신경망 구별자에 대한 많은 연구들이 진행되고 있지만, 형태 보존 암호인 FF3에 대한 딥러닝 기반의 구별자 공격에 대한 연구는 아직 수행되지 않았다. 본 논문에서는 형태 보존암호인 FF3에 대한 딥러닝 기반의 신경망 구별자를 최초로 제안하였다. 실험 결과, 0x08 (입력 차분)에 대해서는 숫자 도메인에서 8 라운드까지0.98 이상의 정확도를 달성하였으며, 소문자 도메인에서는 2라운드까지 구별이 가능하였다. 향후에는 또 다른 형태 보존 암호에 대한 신경망 구별자와 더 큰 도메인 및 높은 라운드에서도 동작 가능한 FF3 신경망 구별자를 구현할 예정이다.

WebAssembly(Wasm)은 웹에서 네이티브에 가까운 속도로 실행 가능하고, 고성능 어플리케이션의 구현도 가능하기 때문에 브라우저 및 기타 플랫폼에서 활발히 사용되고 있다. 이로 인해 Wasm에 대한 보안성이 대두되고 있는데, 이때 취약점을 탐지하는 Fuzzing 기법을 적용한 연구들이 있다. Fuzzing 기법에 대한 분류 및 대표적인 도구를 소개하고 각 기법 간 차이점 및 한계점과 향후 연구 방향을 제시한다.

메모리 손상으로 인해 발생하는 컴퓨터 시스템의 버그는 아주 오랫동안 지속적으로 발견된 컴퓨터 보안 이슈 중 하나이다. 이에 대한 보호 기법이 많이 제안되었으며 Address Sanitizer(ASAN) 또한 buffer overflow, use-after-free 와 같은 메모리 손상 버그를 보호하기 위한 기술 중 하나이다. 그러나 해당 기술은 소프트웨어적으로만 구현되었고, 충분한 컴퓨팅 자원이 있을 때만 그 유효성과 실용성이 검증되었고 컴퓨팅 자원이 제한된 임베디드 시스템에서의 적용에 대한 연구나 실효성 검증이 부족하다. 이에 본 논문에서는 임베디드 시스템에 ASAN 를 적용하기 위한 코드를 작성하고 성능을 측정하고 분석하였다.

최근 사물인터넷 및 통신 기술 및 통신 기술이 발달하면서 사물인터넷 상에서의 데이터 보호에 대한관심이 지속되고 있다. 이에 따라 데이터 보호를 위한 기술적 요구들이 커지고 있으며, 데이터를 송수신하는 과정에서 비밀 데이터가 숨겨져 있다는 사실을 자체를 숨기는 스테가노그래피 기술이 활용되고 있다. 본 논문에서는 IoT 환경에서의 스테가노그래피 기술이 만족해야하는 조건과 연구 사례에 대해 살펴본다.

양자 컴퓨팅의 발전과 양자 알고리즘의 등장으로 기존의 암호 체계는 위협을 받고 있다. 이에 기존의 암호를 대신해 양자 공격에 대응할 수 있는 양자 내성 암호의 중요성이 높아지고 있다. 본 논문에서는 양자 내성 암호 표준화를 위해 진행된 NIST PQC 공모전과 공모전에서 최종 선정된 암호에 대한 표준화 목표에 대해 알아보도록 한다.

양자 컴퓨터는 기존의 클래식 컴퓨터와 달리 양자역학 원리를 활용해 정보 처리를 수행하며, 특정 문제들을 훨씬 빠르게 해결할 수 있다. 양자 컴퓨터는 큐빗을 기본 단위로 사용하고, 아다마르 게이트, CNOT 게이트, 파울리 게이트, 토플리 게이트 등을 조합하여 양자 회로를 구성한다. Toffoli 게이트는 유니버설 게이트 중 하나로, 세 개의 큐빗을 입력받아 조건부 (Controlled-Controlled) NOT 연산을 수행한다. 이 게이트는 복잡한 작업을 기본 양자 게이트로 분해할 수 있어, 회로의 게이트 수, 깊이 및 오류율 측면에서 최적화할 수 있다. 기본 양자 게이트 중 T 게이트는 노이즈와 오류에 영향을 받을 수 있으므로, T 게이트의 수와 깊이를 최적화하는 것이 중요하다. 본 논문은 Toffoli 게이트 분해를 통해 양자 회로의 게이트 수와 깊이를 최적화하는 방법을 조사한다.

양자 컴퓨터가 발전됨에 따라 이와 관련된 연구들이 꾸준히 발표되고 있다. 그 중 양자 컴퓨터의 응용과 밀접한 연관이 있는 양자 회로 최적화 연구는 양자 컴퓨터 환경에서의 암호 공격 비용 추정 연구에서 핵심으로 여겨진다. 본 논문에서는 양자 회로 최적화를 위한 방법과 암호 구현 분야에서 이를 적용한 논문들에 대해 살펴보고자 한다.

2018년 NIST에서 AEAD 형태의 암호를 가진 경량 암호 표준화 공모를 진행하였다. 이후 2라운드를 통해 최종적으로 10개의 경량 암호가 남게 되었고, 이후 2023년 2월에 ASCON 암호가 NIST 경량 암호 표준으로 지정되었다. 경량 암호의 표준이 된 만큼, 기존에 사용되던 AEAD 암호와는 속도나 메모리 사용량 등, 저사양 기기에 특화된 차이점이 존재할 것이다. 본 논문에서는 저사양 기기의 환경에서, 기존 AEAD 암호에 해당하는 AES-GCM과 이번 표준으로 지정된 ASCON 암호를Arduino-Uno에서 직접 실행함으로써 성능 면에서 어떤 차이점이 있는지 보인다.

21세기가 도래함에 따라 새로운 도시의 형태인 스마트시티는 다양한 기기들이 네트워크 상에 서로 연결되어 이용자에게 편리함을 제공한다. 하지만 사이버 공격 기법 또한 고도화되고 있다. 많은 IoT 기기들이 상호작용함에 따라 사이버 공격을 당하면 도시 전체가 피해를 입을 수 있다. 이에 따라 본 논문에서는 스마트시티에서 일어날 수 있는 보안 사고에 대해 분석하고 이를 대응하기 위한 제로트러스트 도입 전략에 대해 연구하고자 한다.

최근 USB 저장장치의 데이터 노출 및 탈취 문제를 해결하기 위하여, 보안 USB 저장장치가 등장하였으나, 데이터를 보호하기 위한 다양한 보안기술을 적용함에도 불구하고, 사용자 인증 우회나 비밀번호 노출과 같은 취약점으로 인하여, 보안 USB에 저장된 중요한 자료나 민감한 정보가 노출되는 문제점이 지속해서 발견되는 실정이다. 이에 따라, 보안 USB의 취약점 연구도 지속적으로 연구되고 있지만, 보안 USB 취약점을 분석하는 것은 수동적이고, 많은 노력과 시간이 소요되므로, 취약점을 자동으로 진단하고 분석하는 도구가 요구된다. 따라서, 본 논문에서는 자동화된 취약점진단 및 분석 도구를 제작하기 위하여, F 제품을 대상으로, 해당 제품에서 제공하는 비밀번호인증에서 발생하는 취약점을 분석하고 실증하며, 그 결과를 기반으로 최종적으로는 보안 USB 취약점 익스플로잇 도구 프로토타입을 개발한다.

이 논문은 OneNote 악성코드의 증가 추세와 그에 따른 Emotet 악성코드의 유포 방식 및 특징을 분석하고자 하는 목적으로 작성되었다. OneNote 는 페이지 내 어디든 자유롭게 콘텐츠를 삽입할 수 있는 특징 때문에 악성코드 유포에 적극적으로 이용되고 있다. 특히, Emotet 악성코드는 OneNote 파일을 이메일 첨부 파일로 유포하고, 문서 열람 시 클라우드 연결 버튼을 클릭하면 악성 스크립트 파일이 다운로드 되어 감염이 일어난다. 이러한 악성코드 유포 방식을 방지하기 위해서는 사용자 교육과 함께 보안 솔루션 강화가 필요하다는 결론을 내리고 있다.

많은 기업에서 시스템 보안 침해사고가 증가함에 따라 국내에서는 보안성 강화를 위해 정보보호 및 개인정보보호 관리체계(ISMS-P) 인증 의무대상을 확대하고 있다. 이에 중소기업에서도 ISMS-P 인증을 받기 위한 준비가 필요해졌다. 그러나 ISMS-P 인증을 위한 시스템을 구축하기 위해 많은 비용과 인력이 필요하고 이를 중소기업에서 구축하기엔 현실적으로 어려운 부분이 있다. SCAP는 정보시스템의 취약점을 보안기준에 맞춰 자동 관리하는 프로토콜이다. 본 논문에서는 ISMS-P 인증 항목 중 시스템 자동관리가 가능한 부분을 도출하여 상용 소프트웨어와 동작 방식을 비교함으로써, 중소기업에 SCAP를 적용하여 시스템을 구축하는 것이 정보보호 강화에 도움이 될 수 있음을 검증하고자 한다.

스마트폰에서의 시간 조작이 JVM 과 앱에 미치는 과정을 분석하여 세 가지 유형의 공격을 식별했다. 구글플레이 스토어의 990 개의 앱을 대상으로 앱의 취약성 분포를 정량화했으며 앱 개발자들에게 권장사항을 제공하고 있다.

본 시스템은 도로교통법에 위반하는 개인 이동형 장치의 사용을 억제하기 위한 기술적 방안으로서 서비스 가입 절차에서의 자격 조건 인증을 강화하고 사용 가능한 편법을 제거하는 장치를 마련하여 시민들에게 안전한 도로를 제공하는데 의의를 둔다.

IoT(Internet of Things), 빅데이터, AI(Artificial Intelligence), 클라우드와 같은 ICT(Information and Communications Technology) 기술이 발전함에 따라 ICT와 제조기술이 융합된 스마트팩토리가 발전하고 있다. 이는 2개의 영역과 5개의 계층으로 구성되어 기타 환경들과 상이한 구조를 가지고 있으며, 각 영역·계층별 발생 가능한 보안위협도 상이하다. 또한, 각 영역과 계층이 연결됨에 따라 발생 가능한 보안위협이 증가하고 있으며, 이에 대한 효율적인 대응을 위하여 스마트팩토리 영역·계층별 환경을 고려한 대응체계 마련이 필요한 실정이다. 따라서, 본 논문에서는 스마트팩토리 영역·계층별 발생 가능한 보안위협을 분석하고, 이에 대응하기 위한 대응체계 도출 기법을 제안한다.

IoT(Internet of Things) 기술을 기반으로 한 드론은 사용자의 요청에 따라 데이터 처리, 수집, 송·수신 등에 고도화된 ICT(Information and Communications Technology) 기술을 활용하고 있다. 또한, 드론은 ICT 기술이 발전함에 따라 문화, 소방, 국방 등 다양한 분야에 적용되어 사용자에게 편의를 제공하고 있다. 그러나, 드론에 적용되는 ICT 기술과 드론에 탑재되는 기술들이 고도화됨에 따라 드론 모듈 내 펌웨어 및 무선 네트워크를 대상으로 한 보안위협이 증가하고 있다. 따라서 본 논문은 드론의 보안위협에 대응하기 위하여 드론 임베디드 시스템 및 네트워크 프로토콜을 대상으로한 최신 보안위협 동향을 분석한다.

게임 산업의 성장에 맞춰 그에 따른 게임시스템 보안, 무결성 보장의 중요성 또한 커지고 있다. 본 논문에서는 게임 시스템과 TrustZone을 결합시켜 TrustZone의 Normal World와 Secure World 영역과 그 기능을 활용하여 게임 내 주요 데이터의 위·변조를 방지하여 시스템의 무결성을 보다 높은 수준에서 보장하는 방식을 탐구해보고자 한다.

컴퓨터 보안의 위협 중 하나인 로우해머 공격은 DRAM 메모리 모듈에 영향을 미치며, 인접 셀에서 "비트 플립"이 발생하여 중요한 데이터에 무단으로 접근하거나 시스템을 손상시킬 수 있다. 하드웨어 기반 방어 기법은 메모리 컨트롤러 및 메모리 모듈 기반으로 나뉘며, 소프트웨어 기반 방어 기법은 기계 학습 알고리즘을 사용하여 공격을 감지하거나 예측하여 방지한다. 본 논문은 로우해머 공격과 그 대응 방안에 대한 연구 동향을 설명한다.

양자 키 분배는 물리적 안전성에 기반을 두어 지속가능한 보안성을 제공한다. 양자내성암호는 양자 컴퓨터로 풀이가 어려운 문제에 기반을 둔 공개키 암호이다. 양자 키 분배 네트워크를 구성하여 안전한 통신을 구현하기 위해서는 키 조합 혹은 인증 단에서 양자내성암호의 적용이 필요하다. 본 논문에서는 양자 키 분배 네트워크의 해결 과제를 살펴보고, 이를 극복하기 위한 연구와 표준화 동향에 대해 살펴본다.

SDN (Software Defined Networking) is an emerging networking system which differs from traditional network architecture. Moreover SDN has many advantages and special capabilities that traditional networks do not have. SDN and P4 are related in that they can be combined to create more advanced and intelligent networking systems. Additionally, Al has emerged as a transformative force in various fields, including SDN. By applying Al and P4 to SDN, network administrators can leverage the power of them to make impact on SDN security. We offer an overview of recent trend of SDN security integrating P4 a nd Al in this study.

최근 성장하고 있는 드론 산업에 맞추어 전세계적으로 드론 운용을 위한 식별 및 인증 규정을 마련하고 있는 추세이다. 대표적으로, 미국 FAA 에서 채택한 Remote ID 기반의 식별방식이 있다. 그러나, ID 기반의 인증 방식은 해당 ID 가 탈취 혹은 위조될 경우 다른 드론으로 위장하여 여러 심각한 사회 문제를 일으킬 위험성이 있다. 따라서 드론에 탑재된 여러 센서나 모터와 같은 하드웨어의 고유한 특성을 이용하여 Remote ID 를 대체하거나 이중 인증에 이용하려는 연구가 이루어지고 있다. 본 논문에서는 드론에 탑재된 하드웨어의 고유특성을 이용한 다양한 식별 및 인증시스템에 대한 연구에 대하여 살펴본다.

비대면 활동 및 원격 작업 증가에 따라 문서 파일을 이용한 사이버 공격 빈도가 증가하고 있으며, 별도의 실행 파일 대신 문서 내의 기본적인 기능을 악용하는 문서 공격은 기존의 악성코드 탐지 메커니즘을 우회할 수 있기 때문에 큰 문제가 되고 있다. 이러한 문제에 대응하기 위한 여러 기술 중 CDR 기술은 악성 행위에 이용될 가능성이 있는 액티브 콘텐츠를 제거하거나 비활성화하여 사전에 악성코드로 탐지되지 않았던 파일에 대한 보안성을 제공하지만, 문서의 내용을 분석하고 안전하게 재조합하는 과정에서 오류가 발생하여 전달하고자 했던 내용을 제대로 표현할 수 없게 되거나, 파일을 사용할 수 없게 되는 문제가 발생할 수 있다. 본 논문에서는 파일을 후처리하는 방식으로만 CDR을 적용하는 것이 아니라, 확장 프로그램이나 가상 환경 등을 이용해 문서의 작성 단계에서부터 CDR 처리과정을 거치게 하는 방법을 제안하여 파일 손상이나 내용 누락 문제를 완화하고 사용자의 업무 효율을 높이는 동시에 강화된 보안성을 제공한다.

ICT 기술을 통해 데이터를 수집하고 수집된 데이터를 활용하여 시민의 삶의 질을 향상시키는 스마트시티는 대표적으로 전기, 건물, 냉난방 시스템, 교통이 있다. 스마트시티의 교통 문제를 해결하기 위하여 IoV의 데이터를 활용할 수 있으나, IoV에 대한 네트워크 공격이 급증함에 따라 블록체인을 사용하여 데이터를 안전하게 수집하고 스마트시티에 활용하는 다양한 연구가 진행되고 있다. 본 논문에서는 스마트시티 환경의 IoV 시스템을 위한 블록체인 기반 차량 네트워크 보안 기술 연구 동향을 기술하고 향후 연구 방향을 제시한다.

동형암호는 주목받는 차세대 프라이버시 보존 기술이다. 많은 기업들이 이를 활용한 서비스들을 제공하고 있다. 비록 동형암호가 수학적으로 안전성을 인정받았지만, 실행되는 프로그램으로써 동형암호는 부채널공격들에 취약하다는 연구 결과들이 보고되고 있다. 이 논문은 이런 부채널공격들에 대해 본석, 일반화하여 사용 가능한 gadget을 소개하며, 대응기법에 대한 가이드라인을 제안하고 그 효과와 한계에 대해 분석한다.

오디오 적대적 공격 연구는 최근 몇 년 동안 빠르게 발전해 왔다. 이전에는 음성 신호를 직접 수정하거나 추가하여 공격을 수행하는 방법이 일반적이었지만 최근에는 딥러닝 모델을 이용한 적대적 공격 기술이 주목을 받고 있다. 이러한 적대적 공격은 현재 다양한 분야에 널리 쓰이는 ASR 시스템에 심각한 보안 위협이 될 수 있다. 이에 본 논문에서는 현재까지의 음성신호 적대적 공격 기술과 방어기술의 연구 흐름을 분석하여 더욱 강건한 ASR 시스템을 구축하는 데 기여하고자 한다.

최근 사용자의 다양한 정보를 요구하는 어플리케이션이 개발됨에 따라 개인 정보 보호가 이슈화 되고 있다. 특히 사용자의 위치와 관련된 연구는 매우 중요한 부분을 차지한다. 본 논문에서는 기존에 제안되었던 k-oATY에 대해 소개하고, k-oATY에 대한 설명 중 미흡했던 부분을 지적하고 이를 개선하는 논문을 제안하고자 한다. 첫 번째, 제안기법에서 생성되는 가상의 더미 생성 방법을 알고리즘으로 정의했으며 두 번째, 제안기법에서 장애물이 있을 경우 회피할 수 있는 알고리즘을 제안했다.

EMR 시스템은 환자들의 진료, 처방 및 개인정보들을 중앙집중형으로 관리하는 시스템이다. 기존 EMR 시스템은 수기로 작성하던 진료기록을 컴퓨터를 통해 전자문서 형태로 관리하고 있다. 그러나 EMR 시스템은 외부로부터 해킹이나 데이터 유출에 대한 피해가 우려된다. 본 논문에서는 블록체인 기반의 하이퍼레저 패브릭과 DID를 사용하여 EMR 데이터를 분산 저장하여 환자의 진료기록을 안전하게 관리하는 시스템 기법을 제안한다.

글로벌 게임 시장 규모가 2023년까지 2,000억 달러를 넘게 성장할 것이라는 전망과 대중적인 온라인 FPS(First Person Shooter) 게임들이 출시되면서 게임 내 치팅(Cheating) 도구들을 배포, 판매하는 사례가 등장하고 있다. 이러한 사례들은 게임 이용에 불편을 초래하고 게임 매출액 감소로 이어질 수 있다. 따라서 본 논문에서는 과거 FPS 게임들에 사용되었던 AimBot들의 사례와 악성코드 탐지에 사용되었던 연구 사례들을 분석해 메모리 변조를 사용하는 AimBot의 탐지 방안을 연구하였다.

본 논문에서는 연합학습 모델을 타겟으로 하는 특성 추론 공격 및 방어 기법과 관련된 연구들을 소개한다. 연합학습 시스템에 특화된 2가지 특성 추론 공격 및 이에 대한 방어 기법들에 대해 정리하고, 향후 연구 방향을 조망하고자 한다.

양자컴퓨터는 큐비트(qubit)의 얽힘(entanglement)과 중첩(superposition) 성질을 통해 동시에 연산을 수행할 수 있어 고전컴퓨터에 비해 연산 속도가 획기적으로 빠르다. 전수조사 연산을 매우 빠르게 수행할 수 있는 양자 알고리즘인 Grover 알고리즘을 사용하면, n-bit 보안강도를 가지는 SHA2와 같은 해시함수를 n/2-bit 보안강도로 낮추게 되어 해시함수가 적용되는 분야의 보안을 위협하게 된다. 양자컴퓨터를 통한 해킹에는 많은 양자 자원이 요구되고, 안정적인 구동 환경이 갖춰져야 하기 때문에 실현되기 위해서는 아직까지 상당한 시간이 소요될 것으로 보인다. 이에 연구자들은 필요한 양자 자원을 최소화하는 효율적인 양자 공격 회로를 제시하며 연구를 수행하고 있다. 본 논문에서는 이러한 SHA2 해시함수에 대한 양자 회로 구현 동향에 대해 살펴본다.

Federated Learning (FL) is a technique that excels in training a global model using numerous clients while only sharing the parameters of their local models, which were trained on their private training datasets. As a result, clients can obtain a high-performing deep learning (DL) model without having to disclose their private data. This setup is based on the understanding that all clients share the common goal of developing a global model with high accuracy. However, recent studies indicate that the security of gradient sharing may not be as reliable as previously thought. This paper introduces the latest research on various attacks that threaten the privacy of federated learning.

Edge AI 환경에서의 DNNs 학습 방법 중 하나인 분할 학습은 모델 전도 공격으로 인해 입력 데이터의 프라이버시가 노출될 수 있다. 본 논문에서는 분할 학습 환경에서의 모델 전도 공격에 대한 기존 방어 기술들의 한계점을 회피할 수 있는 TrapMI 기술을 제안하고, 이를 통해 입력 이미지를 원 본 데이터 세트의 도메인에서 특정 타겟 이미지 도메인으로 이동시킴으로써 이미지 복원의 가능성을 최소화시킨다. 추가적으로, 테스트 과정에서 타겟 이미지의 정보를 알 수 없는 제약을 회피하기 위해 AutoGenerator를 구축한 후 실험을 통해 원본 데이터 보호 성능을 검증한다.

코로나 19 로 대면이 아닌 비대면이 일상이 되며 공공기관과 기업들이 사용자에게 보내는 메시지의 양이 증가하였다. 이에 따라 공공기관을 사칭하는 메신저피싱이 증가하였다. 본 논문에서는 OpenAPI 데이터를 활용한 메신저 위험 url 감지 시스템의 설계를 제시한다. 메신저피싱으로 인한 금전 피해 및 개인정보 탈취를 예방하기 위해 메시지의 포함된 피싱 url 과 기관, 기업의 사전 안전 인증을 통한 안전 url 을 구분한다. 이를 통해 사용자에게 안전하고 쾌적한 인터넷을 제공한다. 향후, 제안하는 시스템의 현실적인 검증과 성능 평가가 필요하다.

본 논문은 통신 시스템에 주로 사용되는 디지털 전자 서명 알고리즘 중 양자 내성 암호인 SPHINCS+ 알고리즘에 대한 효과적인 하드웨어 설계 방안에 대한 연구이다. SPHINCS+ 알고리즘은 해시 함수 기반 알고리즘으로, 많은 횟수의 해시 함수가 반복해서 사용된다. 해시 함수를 가속 연산해도, 그 횟수가 크기 때문에 SPHINCS+ 알고리즘은 다른 전자 서명 알고리즘보다 하드웨어 설계 후 큰 latency 를 가지는 특징이 있다. 이를 극복하기 위해 SPHINCS+ 알고리즘에서 사용되는 해시 함수들을 면밀하게 분석한다. 그 결과 같은 해시 함수에 대해서도 입출력 데이터 크기가 다양하게 변화하고, 서로 다른 데이터 플로우를 가지는 그 세부 차이점들을 파악하여, 이를 접목한 하드웨어 설계에 대해 논의한다.

The care and quality provided to service users depend heavily on the documentation of medication administration. The results of medication management will be greatly impacted by the Medication Data Management (MDM) sheets, which will be examined during audits. Along with this impact, registered hospitals, care facilities, and residential homes will all be inspected by the healthcare industry. In order to deploy MDM sheets, it is proposed to create a blockchain prototype, or more specifically, to develop a blockchain-based Electronic Health Records (EHR) application. Confidentiality and confidence with the auditors are provided by the usage of permissioned blockchain technology (e.g., Care Quality Commission - CQC). Results from testing the prototype in two scenarios are positive. According to the findings, the use of EHR with permissioned blockchain can result in reminders being sent to medical practitioners as well as other effects.

최근 문화 공연 수요의 증가에 따라 암표 거래도 증가하는 추세이다. 이를 해결하고자 본 논문은 블록체인 기반 티켓 거래 시스템을 제시한다. 메타마스크로 티켓 거래를 진행하며 블록체인에 거래 내역을 기록함으로써 악의적인 재판매 행위를 근절하는데 목적이 있다. 블록체인 기술을 활용해 티켓 거래 내역의 위변조 위험성을 낮추고 무결성을 보장하여 기존 티켓 거래 사이트보다 높은 신뢰성을 제공한다. 또한 티켓 재판매 시 가격을 원가 이하로 제한하고 양도자의 지갑 주소를 양수자에게 비공개하여 사이트 외 추가적인 불법 거래를 방지한다. 본 연구가 공정한 디지털 거래 환경을 조성할 것이라 기대한다.

프랜차이즈 카페와 달리 개인 카페에서는 쿠폰을 발급하고 관리하는 것에 대한 어려움이 존재한다. 따라서 본 연구는 여러 매장에서 통합적으로 사용할 수 있는 쿠폰 시스템을 개발하였다. 이는 퍼블릭 블록체인을 활용하여 사용자들 간 쿠폰 발급과 사용 과정의 투명한 공개 및 공유가 가능하도록 설계됐다.

본 논문에서는 인터넷으로 블록체인 플랫폼 및 서비스를 제공하는 BaaS 환경에서 IAM 서비스를 이용한 개인정보 보호 시스템을 설계했다. 서비스 사용자는 API를 통해 클라우드에 데이터를 요청하는데, 사용자와 클라우드 사이에 API 미들웨어를 두어 클라우드 데이터에 직접 접근하지 못하도록 한다. 또한, 미들웨어의 역할을 하는 서버는 IAM(Identity & Access Management) 서비스에서 생성한 역할 및 정책, 권한에 따라 허가된 데이터에만 접근하며 사용자의 데이터 요청 전/후로 인증 절차를 진행해 시스템의 기밀성 및 무결성을 만족할 수 있도록 한다.

스마트 시티는 수많은 기기에서 데이터를 수집한다는 점에서 보안적인 관점에서 취약점이 존재한다. 이러한 문제점을 해결하기 위해 블록체인의 감사 가능성, 투명성, 불변성 및 탈중앙화와 같은 특징을 활용하여 스마트 시티의 보안 취약점을 보완하는 연구가 다수 진행되고 있다. 대표적으로 자율 주행 자동차에 블록체인을 적용함으로써 보안 문제를 해결하였다. 이 외에도 다양한 적용 사례가 존재하였으며 스마트 시티에 블록체인이 적용가능함을 확인하였다. 하지만 블록체인을 적용시킴으로써 초기 투자 비용, 분산화로 인한 정책 충돌 등과 같은 문제점이 존재하였다. 향후 해당 문제점을 해결하기 위한 연구가 수행되어야할 것으로 사료된다.

최근 스마트 시티 등과 같은 이유로 IoT에 대한 관심이 증가하며 이에 대한 보안 솔루션 또한 주목받게 되었다. 이때 블록체인이 보안 솔루션으로써 많은 관심을 받고있지만 확장성에 한계에 의하여 IoT와의 융합에 제한을 받고있는 상황이다. 따라서 이러한 확장성 문제를 해결하기 위한 다양한 기법들이 존재한다. 본 논문에서는 확장성의 한계를 해결하기 위해 블록체인 경량화 기법의 연구 사례에 대하여 알아본다.

공유 전동킥보드의 사용이 증가함에 따라, 불법 주차와 같은 문제점이 발생하고 있다. 시민들의 안전을 위협하는 문제를 해결하기 위해 CNN 모델 기반의 공유 전동킥보드 주차 판단 시스템을 구현하였다. 공유 전동킥보드에 탑재된 카메라, 기울기 센서를 통해 주차 상태를 판단하고, solidity와 python의 web3.py를 이용하여 컨소시엄 블록체인을 설계하였다. 주차 판단 기준이 되는 요소를 추가하고 가중치를 부여함으로써 신뢰 점수 식을 개선하였다. 본 논문에서 제안하는 모델을 통해 이용자의 자발적인 반납과 회사들의 효율적인 관리를 유도할 수 있다.

Internet of Things (IoT) networks currently employ an increased number of users and applications, raising their susceptibility to cyberattacks and data breaches, and endangering our security and privacy. Intrusion detection, which includes monitoring and analyzing incoming and outgoing traffic to detect and prohibit the hostile activity, is critical to ensure cybersecurity. Conventional intrusion detection systems (IDS) are centralized, making them susceptible to cyberattacks and other relevant privacy issues because all the data is gathered and processed inside a single entity. This research aims to create a blockchain-based architecture to support federated learning and improve cybersecurity and intrusion detection in IoT networks. In order to assess the effectiveness of the suggested approach, we have utilized well-known cybersecurity datasets along with centralized and federated machine learning models.

스마트 컨트랙트는 작성된 코드에 의해 정의되어 실행조건이 충족될 시 자동으로 실행되는 전자 계약으로 다양한 분야에서 활용될 수 있다. 스마트 컨트랙트가 블록체인 네트워크에 배포되면 수정이 불가한데, 개발자들이 스마트 컨트랙트를 작성하는데 코드 패턴 재상용 하는 경우가 대다수이다. 이로 인한 스마트 컨트랙트 취약점 사고를 예방하기 위해 개발 단계에서 보안을 고려하여 스마트 컨트랙트 작성이 필요하다. 본 논문에서는 대표적인 스마트 컨트랙트에 대한 보안 취약점을 확인하고 보안 권장 사항을 정리한다.

기존 Web2.0 시대의 플랫폼 기업은 서비스를 통해 생성된 개인 데이터로 다양한 비즈니스를 창출해왔다. 하지만 데이터 제공자인 개인은 해당 수익에서 제외되는 모순된 상황에 놓였다. 이에 개인이 자신의 데이터를 적극 관리·통제하면서 능동적으로 활용할 수 있는 개념인 마이데이터(MyData)가 등장했다. 국내에서는 '20.8월 데이터3법(개인정보보호법, 신용정보법, 정보통신망법)이 통과되면서 신용정보법에 근거해 금융 분야 마이데이터 서비스가 활성화되기 시작했다. 그러나 현존하는 마이데이터 플랫폼은 중앙화된 시스템으로 본래 취지와 다르게 개인의 데이터 소유권과 통제권을 보장하기에 부족하다. 이에 본 논문에서는 기존 마이데이터 플랫폼의 한계점을 분석하고, Web3.0 등 변화하는 환경에서 개인의 데이터 주권을 보장하고, 데이터 가치를 공정하게 분배받을 수 있는 DID 플랫폼 기반의 마이데이터 서비스 모델을 제안한다.

목포대학교 교내 장학금 제도인 MNU핵심역량포인트의 문제점을 설문을 통하여 확인한 결과, 취득조건, 공지 가시성 부족, 20대의 행사참여율 저조, 실용성의 부족과 같은 총 4가지 문제점을 분석하였다. 이러한 문제점은 사용자 친화적인 UI 제공 및 무결성과 보안성 제공을 통하여 해결할 수 있으며, 본 논문에서는 무결성과 보안성을 제공하기 위하여 블록체인을 사용하였다. 대학생들의 지역방문을 활성화하기 위하여, 지역의 특정한 장소를 대상으로 미션을 수행하는 기능을 제안하였으며, React-Native와 연동하여 객체 인식하기 위하여, YOLO와 OpenCV를 활용함으로써 미션 수행 결과를 확인한다. 제안하는 방안 및 미션 기능을 통하여, 대학생들의 지역행사 및 교내 행사 참여율이 높아질 것으로 기대되며, 전국 대학교의 장학금제도가 발전할 것으로 사료된다.

This paper presents the integration of Digital twin and Blockchain-based Supply Chain Management (DB-SCM) in a smart warehouse to create a more efficient, secure, and transparent facility. The process involves creating a digital twin of the warehouse using sensors and IoT devices and then integrating it with a blockchain-based supply chain management system to connect all stakeholders. All data are collected and tracked in real-time as goods move through the warehouse, and smart contracts are automatically executed to ensure accountability for all parties involved. The study also highlights the critical role of effective supply chain management in modern business operations and the significance of smart warehouses, which leverage advanced technologies such as robotics, AI, and data analytics to optimize warehouse operations. Later, we discuss the importance of digital twins, which allow for creating a virtual representation of a physical object or system, and their potential to revolutionize a wide range of industries. Therefore, DB-SCM offers numerous benefits, including enhanced efficiency, improved customer satisfaction, and increased sustainability, and provides a valuable case study for organizations seeking to optimize their supply chain operations.

Smart contract는 Off-chain 데이터를 On-chain에서 조회해보지 못하는 "Blockchain Oracle Problem"을 갖고 있다. Oracle Problem을 적용할 때 실제 사용자 측면에서 어떠한 비용이 발생하는지 연구가 부족하다고 느껴, Chainlink 오라클 아키텍처 기반 시스템의 On-chain 비용을 측정할 수 있는 식을 제안한다. 그 결과 각 아키텍처마다 gas fee, oracle fee, latency의 차이를 확인한다.

본 논문에서는 FHIR 인터페이스를 통해 환자에 대한 정보를 사전에 습득하여 효율적인 응급구조 활동을 지원하기 위해 FHIR를 통해 제공되는 정보의 특성을 파악하고 수집 방법을 설계한다. 환자정보를 포함한 의료정보 시스템과 연동된 FHIR 서버에서 Condition 자원을 통해 환자의 현재 유병상태를, MedicationRequest 자원을 통해 약처방 정보를 습득할 수 있는데 HAPI 및 Synthea에서 제공하는 시험 데이터를 통해 필요한 필드를 얻는 과정을 구현한다.

본 논문에서는 공개 데이터 사이트의 OpenAPI를 통해 지속적으로 축적되고 있는 제주지역 전기자동차 충전 트랜잭션을 활용하여 시간대별 충전수요의 패턴을 분석한다. 시간대별 수요, 충전시간 등과 아울러 요일과 지역에 따른 시간대별 충전 패턴의 분석은 전기자동차 충전에 있어서 신재생 에너지의 결합을 요일과 지역 맞춤형으로 설계할 수 있다.

반려동물의 죽음으로 정신적으로 고통받는 것을 펫로스 증후군이라고 한다. 1인 가구 수의 증가에 따라 반려동물을 기르는 사람들의 수가 늘어나는 만큼 이로 인한 펫로스 증후군 환자도 증가하고 있다. 본 논문에서는, 심한 경우 자살에까지 이르기도 하는 펫로스 증후군을 극복하기 위한 서비스로 상실을 위로해주며 극복할 수 있는 앱을 제공하고자 한다.

본 논문에서는 기존에 시행되어 온 부정행위 방지 방안들의 한계점을 파악해 개선점을 연구하고, 온라인 시험에서의 부정행위 탐지 서비스를 제안한다. 실제 대학에서 적용 가능한 구체적인 방안을 제시하여 온라인 시험의 신뢰성과 공정성을 높이는 데 기여할 것으로 기대된다.

본 논문은 글로벌 이슈로 인한 인플레이션과 대학 등록금 인상 우려 등으로 인해 장학금의 중요성이 부각되고 있는 상황을 고려하여 기존의 장학금 공고 게시물을 수집한 후 BERT Q&A (Bidirectional Encoder Representations from Transformers Question & Answering) 모델을 이용해 개별 맞춤형 장학 공고를 추천하는 시스템을 제안한다. 우선 웹 크롤링을 통해 장학금 정보를 수집하고, BERT Q&A 모델과 사전에 정의한 규칙 기반으로 핵심 정보를 추출한다. 이후 분류 과정을 거쳐 사용자가 입력한 정보와 매칭하여 조건에 맞는 장학금 게시물을 추천할 수 있는 어플리케이션을 구현하였다.

모빌리티 기술의 발전으로 자율주행 및 센서 데이터 처리를 위한 신뢰할 수 있는 고성능 저장 시스템의 수요가 증가하고 있다. SSD(Solid State Drive)는 빠른 데이터 처리 속도의 장점뿐만 아니라 외부 충격에 강한 내구성과 저전력의 특징 때문에 모빌리티 환경의 저장 시스템으로 사용되고 있다. 그러나 고온에 장시간 노출되면 NAND 플래시 메모리 소자에 손상이 발생할 수 있는 특성 때문에 모빌리티 내부 SSD의 온도를 관리해야 한다. 본 논문에서는 SSD의 외부 및 내부의 온도를 측정하여 저장장치가 고온에 장시간 노출되지 않도록 쿨링 시스템을 설계하고 실험을 통하여 적정 온도를 유지할 수 있는 최적화 방법을 제안한다. 또한 실험을 통해 쿨링 시스템이 SSD의 내부와 외부에 미치는 온도 변화를 측정하여 제안하는 시스템의 효과를 증명한다.

본 논문에서는 국내 사망 원인 1위 질환인 암 중 가장 큰 비중을 차지하는 폐암의 암 오진율 감소 및 정밀 진단을 위해 폐암세포를 검출 및 계수 할 수 있는 시스템을 구현하였다. 사용자가 관심 영역을 지정하면 H&E 염색 방식을 사용한 폐암세포 전처리 과정을 거쳐 검출 및 계수 할 수 있다. 본 시스템을 통해 병리학자가 단 시간에 폐암세포 검출 및 계수하여 객관적 진단 도구로 활용할 수 있으며, 디지털 기술과 융합하여 정밀 의료에 크게 기여할 수 있을 것으로 기대된다.

채식이 점차 보편화되어감에 따라 소비자를 만족시키기 위한 양질의 작물 생산 및 신품종 개발 필요성도 커져가고 있다. 이 때 식물의 건강 상태나 당도, 식감 등의 품질 조사를 위해서는 표현형 데이터 획득이 필수적이다. 표현형이란 식물의 잎과 줄기, 과실 등에서 겉으로 드러나는 형질을 의미하며, 잎맥밀도도 중요한 표현형 중 하나이다. 하지만 이를 연구자가 수작업으로 조사할 경우에는 시간과 노동력 소모가 크며 측정 인력이나 측정 환경에 따른 오차도 큰 문제점이 있다. 따라서 본 연구에서는 디지털 기술을 통해 잎 이미지에서 잎맥을 추출하여 잎맥 밀도를 분석하는 시스템을 구현함으로써 작물 생산 자동화 및 신품종 개발 효율성 향상에 기여하고자 한다.

자율주행 및 robot navigation 시스템에서 물체 인식 성능향상을 위해 대부분 MSF(Multi-Sensor Fusion) 기반 설계를 한다. 따라서 각 센서로부터 들어온 정보를 정합하는 것은 정확한 MSF 알고리즘을 위한 필요조건이다. 다양한 선행 연구에서 2D 데이터에 대한 공격을 진행했다. 자율주행에서는 3D 데이터를 다루어야 하므로 선행 연구에서 하지 않았던 3D 데이터 공격을 진행했다. 본 연구에서는 스케일링 공격 기반 카메라-라이다 센서 간 정합 모델의 정확도를 저하시키는 공격 방법을 제안한다. 제안 방법은 입력 라이다의 포인트 클라우드에 스케일링 공격을 적용하여 다운스케일링 단계에서 공격하고자 한다. 실험 결과, 입력 데이터에 공격하였을 때 공격 전보다 평균제곱 이동오류는 56% 이상, 평균 사원수 각도 오류는 98% 이상 증가했음을 보였다. 다운스케일링 크기 별, 알고리즘별 공격을 적용했을 때, 10×20 크기로 다운스케일링 하고 lanczos4 알고리즘을 적용했을 때 가장 효과적으로 공격할 수 있음을 확인했다.

신체적 불편함으로 자유로운 거동에 어려움을 겪는 사람들에게 문턱이나 계단 등 물리적인 장애물에 대한 부담감은 일반인들이 느끼는 바와는 사뭇 다르게 다가온다. 이 발표에서는 배리어프리 요소들이 포함된 장소를 거쳐가는 모든 사람들 중 물리적인 장애물로 인해 불편함을 겪는 누군가가 있다면, 조금 더 나은 이동권을 보장할 수 있게끔 도와주기 위한 앱을 설계하고 구현한다. 개발된 앱은 각 건물에 존재하는 장애물과 장애인 주차장을 표시하며, 이동을 해야 할 때 추천경로를 제공해 준다.

집중호우로 집 밖 사정이 궁금하거나 흐린날 미세먼지 상황을 확인하기 위해서 많은 사람들이 기상과 함께 오늘 날씨를 예상하는 날씨 어플리케이션을 켠다. 그런데, 기존 기상 어플리케이션들은 날씨를 알려주기는 하지만 오늘 어떤 옷을 입으면 좋을지, 우산은 챙겨야 하는지 등 우리에게 필요한 부가 정보를 제공해주는 영역이 제한적이다. 본 논문에서는 숫자 위주의 정보보다 그림이나 일러스트와 같이 사용자가 보고 직관적으로 판단할 수 있는 형태로 다양한 부가 기능을 제공하는 날싸 알림 어플리케이션을 개발하고자 한다.

현재 제조업에서 설비 라인 증축 및 최적화를 위해서는 공정 분석과 설비 시스템 테스트가 요구되며, 많은 시간과 비용이 소요된다. 이러한 문제를 해결하기 위해, 가상의 설비모델을 이용해 설비검증과 라인 테스트를 수행할 수 있는 다양한 CPS(Cyber Physical System)가 연구되고 있다. 본 논문에서는 다양한 설비 이해관계자 사이의 상호운용성을 확보하기 위해 독일의 Industry 4.0에서 제안한 표준 설비 명세인 AAS(Asset Administration Shell)를 활용한 CPS 구현을 제안한다. SMT(Surface Mounting Technology) 라인 중 Screen Printer를 대상으로, 총 3개의 서브 모델(Sub model)과 17개의 속성(Property)을 AAS 명세하고 이를 이용한 CPS를 구현하는 사례연구를 수행했다. 제안 방법은 표준명세를 활용한 제조 분야 CPS 구현에 적용될 수 있다.

최근 반려동물을 키우는 가구가 점차 증가하고 있다. 본 논문에서는 반려동물 중 수가 가장 많은 반려견을 키우는데 가장 중요한 활동인 산책을 보조하는 어플리케이션을 제인하였다. 본 어플리케이션은 사용자의 위치에 기반해 반려견과의 산책 경로를 추천해준다. 산책은 일반산책, 추천 경로 산책으로 나누어져 있으며 주변에 있는 반려견 관련 장소의 정보도 제공한다. 또한 2km 내에 지나간 반려견의 정보도 알 수 있다. 그리고 리포트 기능을 통해 산책 데이터를 기반으로 지역 내 산책/거리 순위와 총 거리, 시간, 가장 많이 만난 반려견을 알 수 있다. 같은 지역에 등록된 유저들과 SNS 기능을 통해 정보를 주고받을 수 있다. 본 어플리케이션을 통하여 사용자들과 반려견들은 효율적이고 다양한 산책을 경험할 수 있을 것으로 기대된다.

우리나라 범죄율이 지속적으로 상승함에 따라 시민들의 불안은 커져가고 있다. 특히 밤길에 혼자 다니는 것을 불안하게 느끼는 '밤길 불안'이 심해지는 요즘, 안전한 길을 제공하여 사회적 불안감을 낮춰주는 서비스의 필요성이 요구된다. 이에 본 논문에서는 안전 데이터를 활용하여 사용자에게 안전한 길을 안내해주는 애플리케이션을 개발하여 사회 안정성과 공익성에 기여하고자 한다.

이 프로젝트는 사용자의 위치 기록을 안전하게 기록 및 관리할 수 있는 앱으로, 사용자 기기의 로컬 데이터베이스를 활용하여 위치 정보에 관한 개인정보 보호 측면을 강화한다. 해당 앱은 사용자가 원할 때 기록 기록을 시작하고 종료할 수 있으며, 기기 내에 저장된 사진의 위치정보와 연동하여 이동경로와 기록 시간대에 맞는 사진을 한 눈에 볼 수 있다. 이 프로젝트는 구글 맵의 타임라인과 비슷하지만, 사용자의 위치 정보를 스스로 제어할 수 있는 부분에서 차별성이 존재한다.

도시 나무는 환경적, 경제적, 사회적 혜택에 크게 기여하기 때문에 그 필요성이 널리 인식되어 왔다. 그러나 도시화와 도시 개발로 인해 녹지 공간이 부족해지면서 충분한 나무가 자라지 못하고 있다. 따라서 도시 녹지를 제공하기 위한 대안이 제시되고 있다. 그러한 방법 중 하나는 가로수를 대체할 수 있는 미세조류를 배양하기 위해 광생물반응기를 사용하는 것이다. 세르비아 국립대학교는 이를 위해 LIQUID 3 기술을 사용하여 새로운 광생물반응기 구조를 개발했다. 본 논문에서는 이 기술에 대한 연구와 국내 적용 가능성을 논의한다.

본 연구에서는 맞벌이 부부의 일상에 도움을 줄 수 있는 종합육아 앱을 설계 및 구현하였다. 개발된 앱은 육아분담 체크리스트, 알림장, 등하원 게시판 등을 통해 가정소통, 유치원소통, 동네소통 기능을 제공한다. 개발된 앱은 오픈소스로 공개되었다[1].

본 연구에서는 다양한 문제들을 ELECTRA를 통해 문제의 유형을 분류하고, 그것을 기존의 문제들과 유사도 평가를 진행하여 문제의 표절 여부를 확인한다. 유일성이 입증된 문제는 이더리움 기반의 블록체인을 사용하여 NFT 기술을 통해 문제를 NFT로 발행하여 거래한다. 최종적으로 표절하지 않았음이 검증된 문제를 NFT를 통해 거래함으로써 문제의 저작권 및 권리를 웹 플랫폼을 통해 거래할 수 있도록 한다. 본 논문에서는 이러한 문제 거래 웹 플랫폼 설계를 기술하며, 본 플랫폼은 문제를 쉽게 거래할 수 있도록 지원하여 문제 거래 활성화에 기여할 것이다.

환경보호 플랫폼은 환경보호와 관련된 모든 활동들을 대상으로 하나의 애플리케이션 안에서 제공하는 서비스로, 일반 사용자에게 편리하고 다양한 활동 정보를 제공한다. 이러한 과정중 어떤 사용자 경험이 환경보호 활동을 증진 시킬 수 있는가에 대한 연구이다.

지속 가능한 에너지인 태양광 발전은 전 세계에서 널리 활용하는 재생 에너지 원천 중 하나로 최근 효율적인 태양광 발전 시스템 운영을 위해 태양광 발전량을 정확하게 예측하기 위한 연구가 활발히 진행되고 있다. 태양광 발전량 예측 모델을 구성하기 위해서는 기상 및 대기 환경을 넘어 태양의 위치에 따른 일사량의 정보가 필수적이나 태양의 실시간 위치 정보를 입력 변수로 활용한 연구가 부족한 실정이다. 그리하여 본 논문에서는 시간과 태양광 발전소 위치를 기반으로 태양의 고도와 방위각을 실시간으로 계산하여 입력 변수로 사용하는 방식을 제안한다. 이를 위해 AutoML 기반의 다양한 기계학습 모델을 구성하여 태양광 발전율을 예측하고 그 성능을 비교 분석하였다. 실험 결과, 태양 위치 정보를 포함한 경우에 환경 변수만을 고려하였을 때보다 예측 성능이 크게 향상되었음을 확인할 수 있었으며, Extra Trees 모델의 경우 태양 위치 정보를 추가하였을 때 MAE(Mean Absolute Error)가 33.90 에서 22.38 까지 낮아지는 결과를 확인하였다.

Diabetes is a common chronic disease that threatens human life and health, and its prevalence remains high because its mechanisms are complex, further its etiology remains unclear. According to the International Diabetes Federation (IDF), there are 463 million cases of diabetes in adults worldwide, and the number is growing. This study aims to explore the potential influencing factors of diabetes by learning data from the UCI diabetes dataset, which is a multivariate time series dataset. In this paper we propose the TCN-prophet model for diabetes. The experimental results show that the prediction of insulin concentration by the TCN-prophet model provides a high degree of consistency, compared to the existing LSTM model.

현재의 전자의무기록 시스템은 타 병원에서 진료를 볼 때, 중복 검사를 피하기 위해서는 기존 병원에서 검사 또는 진료 기록을 받아 제출해야 하는 번거로움이 있다. 이에 본 논문에서는 기존 시스템의 클라우드화를 통해 타 병원 진료 시 비용과 시간 단축이 예상되며, QR코드를 주민등록증 대신 사용하여서 주민등록번호 노출과 주민등록증 위변조를 통한 불법적인 활용이 불가하다고 생각한다.

의료정보의 클라우드화는 허용되었지만 정작 의료현장에서의 영향력은 매우 낮은 상황이다. 이에 따라 통합전자의무기록 시스템을 제안해 전자의무기록의 클라우드화와 QR코드를 활용해 주민등록증의 노출 및 위변조 될 우려를 낮출 수 있으며 사용자의 중복검사를 막아 비용과 시간을 절약할 수 있다.

본 논문은 사람과 짐의 물체 감지를 위한 YOLO 모델을 활용하여 특정 공간 내 혼잡도를 측정하는 시스템을 제안한다. YOLO를 학습시켜 기차 내에서 사람 및 짐과 같은 객체를 탐지하는 모델을 만든다. 그리고 이 모델을 이용하여 기차 내에서 객체를 탐지하고, 객체의 위치와 개수 정보를 얻는다. 이렇게 얻은 정보를 기반으로, 혼잡도를 측정하기 위해 다양한 지표를 활용한다. 이를 인터페이스에 시각적으로 보여준다. 결과적으로, 제안된 시스템은 승객들의 안전과 편의를 보장하며, 특정 공간의 혼잡도 파악에 유용한 도구로 사용될 수 있다.

본 논문에서는 이미지 데이터와 각종 텍스트 기반의 데이터를 적절히 결합하여 유용한 데이터를 만들어 내는 방법을 제안한다. 그 사례로 편의점 상품 이미지와 편의점 프로모션 데이터, 사용자 위치정보 데이터를 적절히 결합하여 사용자가 편의점 상품 전면 이미지를 제공했을 때, 해당 상품이 어떤 편의점 브랜드에서 어떤 프로모션을 진행하고 있는지, 그리고 현재 위치에서 가까운 점포가 어디인지를 사용자에게 제공하는 시스템을 구현한다. 이미지를 어떤 데이터와 결합하는지에 따라 다양한 요구사항에 대응할 수 있다.

Sparse한 데이터가 딥러닝에 자주 사용됨에 따라 다양한 sparse 텐서 가속기들이 연구되고 있다. 하지만 이런 sparse 텐서 가속기들은 특수 하드웨어 모듈을 채용하고 있고, 다양한 구조로 되어 있다. 또한, 가속기들의 효율성이 데이터의 sparsity에 따라 달라지기 때문에 서로의 직접적인 비교도 힘들다. 따라서 이 문제들을 해결하기 위해, sparse 텐서 가속기들을 모델링하여 서로를 비교하려는 연구들이 존재하며, 이 논문에서는 이에 관한 연구 동향을 서술하였다.

This paper presents a multithread and efficient cryptographic hardware access (MECHA) for efficient and fast cryptographic operations that eliminates the need for context switching. Utilizing a UNIX domain socket, MECHA manages multiple requests from multiple applications simultaneously, resulting in faster processing and improved efficiency. We comprise several key components, including the Server thread, Client thread, Transceiver thread, and a pair of Sender and Receiver queues. MECHA design is portable and can be used with any communication protocol, with experimental results demonstrating a 83% increase in the speed of concurrent cryptographic requests compared to conventional interface design. MECHA architecture has significant potential in the field of secure communication applications ranging from cloud computing to the IoT, offering a faster and more efficient solution for managing multiple cryptographic operation requests concurrently.

클라우드 시장의 성장과 마이크로 서비스 접근식이 제기됨에 따라 IT인프라를 관리하기 위한 연구가 최근 활발히 이루어지고 있다. 하지만 고도화 및 분산된 환경에서 관찰 가능성 응용을 확보하기 어렵다는 문제점을 가지고 있다. 따라서 본 연구에서는 모니터링 시스템을 통한 데이터 분석 중 수집한 데이터의 분석이 난해하다는 문제를 해결하기 위한 방법을 제안한다. 제안된 방법은 NAB 데이터셋을 대상으로 STUMPY를 이용하여 데이터를 시각화하고, CNN을 이용하여 분류 작업을 수행한다. 분류를 수행한 데이터셋은 이상치 데이터와 이상 전조 데이터, 정상 데이터셋으로 분류하여 데이터셋을 구성한다. 구성한 학습 데이터셋에 대해 훈련을 마친 딥러닝 모델은 부하 테스트 환경에서 수집한 데이터에 대한 그래프 패턴을 분석하여 이상치 데이터와 이상 전조 데이터를 탐지한다.

Rust has gained popularity as a memory safe systems programming language. At the center of its memory safety is a strict memory ownership model with stringent rules enforced by the compiler. This paper aims to shed light on this memory safety model and the role smart pointers play towards its success. We study specific smart pointers, their purposes and contribution to Rust's memory safety. We further explore weaknesses of these smart pointers and their APIs, and provide scenarios under which they may lead to memory vulnerabilities in Rust programs.

우리나라는 지속적인 저출산과 고령화로 인해 지방 소멸 위험지역이 점차 늘어나고 있다. 본 연구는 지방 소멸과 관련된 다양한 요인을 '인구 소멸'이라는 키워드를 포함하는 신문 기사에 대한 토픽모델링을 통해 발견하고, 추출된 토픽과 관련된 공공 데이터를 수집하여 비슷한 특징을 가지는 지역을 묶는 군집분석을 수행한다. 그리고 지방소멸위험지수로 분류된 소멸 위험지역과 군집분석 결과를 비교한다.

본 논문은 과거 한국 가요(K 팝)의 가사를 수집하여 (1) 특정 키워드와 관련된 기존 가사를 검색하거나, (2) 작사가가 작성한 새로운 가사와 유사한 기존 가사를 검색하거나, (3) 특정 키워드와 관련된 가사 속 어휘를 제안하는 작사 지원 시스템을 제안한다. 지금까지의 음악 관련 시스템은 음악을 소비하는 사람들을 위한 음악 추천 시스템에 집중해 왔으나, 이 연구에서는 음악을 생산하는 작사가에게 초점을 맞춰 이들을 돕는 작사 지원 시스템을 제안하고자 한다. 제안 시스템은 TF-IDF 와 word2vec 을 활용하여 가사와 단어 벡터 공간에 가사와 어휘를 배치하고 코사인 유사도를 계산한다.

디지털 환경이 진화함에 따라 가짜뉴스가 늘어나고 있다. 이를 판별하기 위해 법적 규제에 대한 논의가 있으나, 가짜뉴스에 대한 범위와 정의가 명확하지 않아 규제가 쉽지 않다. 본 논문에서는 이에 대한 대안으로 TF-IDF 기법과 KoBERT 모델을 이용한 키워드 추출 및 문장 유사도 분석을 통해 YouTube 플랫폼을 대상으로 한 가짜뉴스 판별을 위한 모델을 제안한다.

본 논문에서는 지도 앱이 제공하는 식당의 시간별 평균 방문자 수 데이터와 공공 DB의 면적 데이터를 활용하여 식당의 대기 시간을 예측하여 출력해주는 모델을 제안한다. 요식업에 관련된 통계 데이터를 활용해 식당 홀이 차지하는 면적을 추정한 뒤, 식당의 예상 수용 인원을 추정하여 여기에 평균 테이블 회전율을 적용하여, 식당의 시간 당 수용 인원을 추정식당의 대기 시간을 계산한다. 거기에 사용자 리뷰와 식당 별점 데이터 등의 외부 요인을 통해 대기 시간을 보정, 예상 대기 시간의 정확도 상승을 꾀한다. 이 모델이 상용화 될시, 이용자는 식당 선택에 의해 야기되는 스트레스를 완화시킬 수 있고, 식당 이용자들의 분산효과를 낳을 수 있을 것이다.

This paper proposes a hybrid recommendation system (RS) model that overcomes the limitations of traditional approaches such as data sparsity, cold start, and scalability by combining collaborative filtering and context-aware techniques. The objective of this model is to enhance the accuracy of recommendations and provide personalized suggestions by leveraging the strengths of collaborative filtering and incorporating user context features to capture their preferences and behavior more effectively. The approach utilizes a novel method that combines contextual attributes with the original user-item rating matrix of CF-based algorithms. Furthermore, we integrate k-mean++ clustering to group users with similar preferences and finally recommend items that have highly rated by other users in the same cluster. The process of partitioning is the use of the rating matrix into clusters based on contextual information offers several advantages. First, it bypasses of the computations over the entire data, reducing runtime and improving scalability. Second, the partitioned clusters hold similar ratings, which can produce greater impacts on each other, leading to more accurate recommendations and providing flexibility in the clustering process. keywords: Context-aware Recommendation, Collaborative Filtering, Kmean++ Clustering.

건강정보 검색 요구가 증가하면서 다양한 건강정보 검색 서비스가 제공되고 있다. 하지만 최근의 건강정보 검색 서비스는 정형화 된 전문적인 의료정보와 그 해석을 제공하기 때문에 사용자는 이러한 정보를 스스로 이해하여 원하는 건강정보를 검색해야 한다. 사용자의 검색 피로를 줄이고 원하는 정보를 정확하게 얻을 수 있는 건강정보 검색 시스템 개발을 위하여 사용자의 비의료적 표현인 한국어 증상발화 데이터 구축이 선행되어야 한다. 이러한 데이터 구축은 많은 시간과 비용이 필요하기 때문에 이를 줄이기 위한 규칙기반 데이터 증강기법을 제시하고, 이를 활용하여 한국어 증상발화 데이터를 증강하였다. 증강된 데이터의 유효성을 보이기 위하여 KoBERT 기반의 증상분류 실험을 진행하였으며, 증강된 데이터가 그 전의 데이터보다 F1 스코어가 더 높음을 확인할 수 있었다.

본 논문에서는 어텐션(Attention) 메커니즘을 이미지 처리에 적용한 연구가 진행되면서 등장한 비전 트랜스포머 (Vision Transformer, ViT)의 한계를 극복하기 위해 ViT 기반의 딥 클러스터링(Deep Clustering) 기법을 제안한다. ViT는 완전히 트랜스포머(Transformer)만을 사용하여 입력 이미지의 패치(patch)들을 벡터로 변환하여 학습하는 모델로, 합성곱 신경망(Convolutional Neural Network, CNN)을 사용하지 않으므로 입력 이미지의 크기에 대한 제한이 없으며 높은 성능을 보인다. 그러나 작은 데이터셋에서는 학습이 어렵다는 단점이 있다. 제안하는 딥 클러스터링 기법은 처음에는 입력 이미지를 임베딩 모델에 통과시켜 임베딩 벡터를 추출하여 클러스터링을 수행한 뒤, 클러스터링 결과를 임베딩 벡터에 반영하도록 업데이트하여 클러스터링을 개선하고, 이를 반복하는 방식이다. 이를 통해 ViT 모델의 일반적인 패턴 파악 능력을 개선하고 더욱 정확한 클러스터링 결과를 얻을 수 있다는 것을 실험을 통해 확인하였다.

지적 장애인은 제한된 활동 환경 범위의 제약으로 인해 자기 신체 구조에 맞는 운동법을 접할 기회가 적고, 각자의 건강 상태와 신체 구조에 따라 운동할 때 세심한 요구가 필요하다. 본 논문은 지적 장애인을 대상으로 비만 관리에 대한 필요성 인지 및 신체 활동량을 늘리기 위한 개인 맞춤형 운동 루틴 추천 시스템을 제안하였다. 제안한 시스템을 구성하기 위해 먼저 대한장애인체육회에서 제공하는 건강 상태, 신체 정보, 장애 유형 및 등급 등의 데이터를 분석하였다. 또한, 웹 사이트에서 장애인의 입력 정보가 들어오면 TF-IDF 벡터를 산출하고, 다른 사용자와의 코사인 유사성을 분석해 운동 루틴을 제안하였다. 본 연구에서 제안한 추천 시스템을 통해 지적 장애인을 대상으로 맞춤형 건강관리에 대한 인식 향상 및 건강권 보장, 운동 효율 증진 등을 기대할 수 있다.

대화 데이터 기반 광고 추천은 광고 마케팅에서 고객 맞춤형 광고 제공, 마케팅 효과 극대화 등을 위한 중요한 기술로 주목받고 있다. 본 논문에서는 모바일 인스턴스 메신저인 카카오톡 대화창에서 발생한 텍스트 데이터를 기반으로 대화 내용을 분석하여 대화 주제별 적절한 광고 키워드를 제안한다. 이를 위해 주제별 대화 내용을 미용, 식음료, 상거래로 세분하고 KoNLPy 의 Okt 를 이용하여 텍스트 전처리를 수행하고 키워드별로 빈도수를 뽑아 워드 클라우드를 제시한다. 또한, 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA)을 기반으로 대화 주제를 세분화한 뒤 라벨링을 통해 주제별 대화 키워드를 분석한다. 실험 결과, 대화 주제를 온라인 쇼핑, 헤어, 뷰티 관리, 음식으로 나눌 수 있었으며, 토픽별 상위 키워드를 Word2Vec 을 통해 특정 단어와 유사한 키워드를 도출하여 적절한 광고 키워드를 제시할 수 있었다.

신용카드 부정 사용은 고객 및 기업의 신용과 재산에 막대한 손실을 미치고 있다. 이에 따라 금융사들은 이상금융거래탐지시스템을 도입하였으나 이상 거래 발생 여부를 지속적으로 모니터링하고 있기 때문에 시스템 유지에 많은 비용이 따른다. 따라서 본 논문에서는 컴퓨팅 리소스를 절약함과 동시에 성능 개선 효과를 보인 신용카드 이상 거래 탐지 알고리즘을 제안한다. CTGAN 을 활용하여 정상 거래와 이상 거래의 비율을 일부 완화하였고 XAI 기법인 SHAP 를 활용하여 유의미한 속성값을 선택하였다. 이것을 기반으로 LSTM Autoencoder를 사용하여 이상데이터를 탐지하였다. 그 결과 전통적인 비지도 학습 기법에 비해 제안 알고리즘이 우수한 성능을 보였음을 확인하였다.

최근 환율 예측에 관한 다양한 연구가 진행되어 왔다. 이러한 추세에 대응하여 본 연구에서는 Pearson 상관 계수 및 상호 정보를 사용하여 외환 시장의 환율 변동을 분석하는 다중 연결 네트워크를 구축하였다. 본 연구에서는 이러한 구성된 환율 변화에 대한 시공간 의존성 네트워크를 만들고 그래프 기계 학습의 잠재력을 조사하여 예측 정확도를 향상시키려고 노력하였다. 본 연구 결과는 선형 및 비선형 종속 네트워크 모두에 대해 그래프 신경망을 활용한 임베딩을 활용하여 기존의 기계 학습 알고리즘과 결합시킬 경우 환율 변화의 예측력이 향상될 수 있음을 경험적으로 확인하였다. 특히, 이러한 결과는 통화 간 상호 의존성에만 의존하여 추가 데이터 없이 달성되었다. 이 접근 방식은 데이터 효율성을 강화하고 그래프 시각화를 통해 설명력 있는 통찰력을 제공하며 주어진 데이터 세트 내에서 효과적인 데이터를 생성하여 예측력을 높이는 결과로 해석할 수 있다.

Concept drift detection on data stream is the major issue to maintain the performance of the machine learning model. Since the online stream is to be a function of time, the classical statistic methods are hard to apply. In particular case of seasonal time series, a novel window strategy with Fourier analysis however, gives a chance to adapt the classical methods on the series. We explore the KS-test for an adaptation of the periodic time series and show that this strategy handles a complicate time series as an ordinary tabular dataset. We verify that the detection with the strategy takes the second place in time delay and shows the best performance in false alarm rate and detection accuracy comparing to that of arbitrary window sizes.

VR/AR 관련 산업은 신산업 창출, 일자리 증대, 국민 생활 향상 등을 목표로 VR/AR 산업의 육성과 활성화를 위해 부처 차원에서 진행하고 있다. 국내 VR/AR 산업은 글로벌 시장과 비교 시 기술력, 산업 현장 인력 부족, 기존 산업과의 접목 등 여러 요소가 필요하다고 평가하고 있다. 본 논문에서는 VR/AR 관련 분야의 산업 활성화를 위해 최근10년 동안의 국가R&D 과제와 참여인력 정보 등을 분석하였다. 분석 결과, 참여 인력은 년도 별로 증가하지만, 특정 지역에 집중되어 있으며, 석·박사 수준의 고급 인력이 부족한 것으로 나타났다. 그리고 매년 정부의 연구비 투자가 증가하였고, 기업과 대학에서 공동 연구가 활발하게 이루어지고 있었다. 이러한 분석 정보는 정부가 추진하는 VR/AR 산업 활성화를 위해 앞으로의 정부 재정적 지원, 산학연 협력관계 구축, 실무에 적합한 전문인력 양성 등 정책결정에 활용될 수 있을 것이다.

Single-machine-based 그래프 엔진의 state-of-the-art 모델인 RealGraph 는 쓰레드를 이용한 병렬화로 성능을 향상하였으나 쓰레드 내부에서의 병렬성은 고려되지 않았다. 본 논문은 SIMD 명령어를 이용해 RealGraph 의 병렬성을 향상시켰다. 쓰레드 내부의 효율성을 높이기 위해 RealGraph 의 구조와 그래프 알고리즘의 분석을 통한 SIMD 명령어의 적용 가능한 영역을 탐색하였다. 실험으로 SIMD 명령어의 적용을 통해 쓰레드 내부에서 벡터 연산을 수행하여 평균 7.6%, 11.7%, 9.2%의 수행 시간 단축을 이끌어냈으며 SIMD 명령어의 적용이 그래프 엔진의 분석 성능에 얼마나 도움이 될 수 있는지 확인하였다.

본 논문은 고성능 스토리지를 사용하는 환경에서 대규모 그래프를 분석을 위한 GPU 기반 그래프 분석 엔진의 I/O 최적화 전략을 제안한다. 사전 실험을 통해 최신 GPU 기반 그래프 엔진인 RealGraph^GPU 가 고성능 스토리지의 대역폭을 충분히 활용하지 못하고 있음을 발견하였다. 이를 개선하기 위해 (1) User-space I/O, (2) Asynchronous I/O 두 가지 최적화 전략을 적용하였으며, 실험을 통해 두 전략이 RealGraphGPU 의 그래프 분석 성능 향상시키는 데 효과적임을 확인하였다.

In the era of Big Data, humanity is facing a huge overflow of information. To overcome such an obstacle, many new cutting-edge technologies are being introduced. The movie recommendation system is also one such technology. To date, many theoretical and practical kinds of research have been conducted. Our research also focuses on the movie recommendation system by implementing methods from Social Network Analysis(SNA) and Parallel Programming. We applied the Girvan-Newman algorithm to detect communities of users, and a future package to perform the parallelization. This approach not only tries to improve the accuracy of the system but also accelerates the execution time. To do our experiment, we used the MovieLense Dataset.

매년 급증하는 악성코드(malware)로 인해 기업, 공공기관 등 다수의 PC가 있는 대상까지 피해 사례가 늘고 있다. 악성코드로 인한 침해사고 흔적에서 비정상적인 동작을 한 프로세스를 찾는 기술은 해당 PC의 침해 여부 판단, 사후 대응 등 사이버 보안에 기여할 수 있을 것이다. 본 연구에서는 최근접 이웃 방법을 활용하여 시스템 메모리 데이터에서 비정상 프로세스를 검출하는 방안을 제시한다. 또한 실험을 통해 제안 방법이 정확도 및 여러 지표에서 우수한 성능을 달성함을 보였다.

"이성적이며 이상적인 합리적 인간"을 가정하는 기존 경제학의 이론이 항상 실제 상황과 일치하지는 않는 것으로 알려져 있다. 이의 대안으로 나온 행동경제학은, 인간의 경제적 의사결정에 심리, 인지, 감정, 사회문화적 배경 등이 영향을 미친다고 본다. 본 연구에서는 행동경제학에 의거하여, 개인의 감정과 경험이 경제적 의사결정에 영향을 미치는지 여부를 빅데이터 모델을 활용하여 분석하였다. SNS 여론으로는 Reddit, 주가지수로는 S&P 500 을 선정하였다. 수집한 텍스트 데이터를 전처리와 감정분석을 통해 독립변수 값으로 사용했고, 주가지수 등락의 방향성을 종속변수로 사용하여 로지스틱 모형을 구성했다. 모델을 활용하여 분석한 결과 Public sentiment 와 Market sentiment 간 양의 상관관계를 확인할 수 있었다. 또한, lag 를 설정하는 모델이 정확도가 더욱 높음을 확인해, 기존 경제학의 EMH 와 대립되는 바를 확인할 수 있었다. 하지만 최적의 lag 산정을 위해, 더 광범위한 데이터를 바탕으로 한 후속연구가 필요하다.

Statista 통계 조사에 따르면 데이터의 규모는 매년 증가할 것으로 예상하고 빅데이터 처리 프레임워크의 관심이 높아지고 있다. 빅데이터 처리 프레임워크 Spark는 Shuffle 과정에서 노드 간 데이터 전송이 일어난다. 이때 분산 처리한 데이터를 네트워크로 전송하기 위해 객체를 바이트 스트림으로 변환하여 메모리 buffer에 담는 직렬화 작업이 필요하다. 그러나 바이트 스트림을 buffer에 담는 과정에서 바이트 스트림의 크기가 메모리 buffer보다 클 경우, 메모리 할당 과정이 추가로 발생하여 전체적이 Spark의 성능 저하로 이어질 수 있다. 이에 본 논문에서는 Spark 환경에서 분산 처리 성능 향상을 위한 직렬화 buffer 최적화 시스템을 제안한다. 제안하는 방법은 Spark Driver가 Executor에게 작업을 할당하기 전 직렬화된 데이터 크기 측정과 직렬화 옵션 설정을 통해 Executor에게 적절한 buffer를 할당할 수 있다. 향후 제안하는 방법의 검증을 위해 실제 Spark 클러스터 환경에서 성능 평가가 필요하다.

최근 꿀벌 집단 실종이 잇따라 발생하고 있으며 이에 대한 뚜렷한 원인은 없으나 꿀벌응애류, 말벌류에 의한 폐사와 이상기후가 복합적으로 작용했기 때문이라고 추측하고 있다. 추측하고 있는 원인 중 꿀벌 봉군의 약화 요인으로 작용하는 등검은말벌의 분포도를 시각화하여 꿀벌의 개체 수 피해를 줄이는 데 도움이 되고자 한다.

본 연구의 목적은 LDA 토픽 모델링을 활용하여 한국어 SNS데이터에 분석을 통해 우리나라의 여가활동, 일과 직업, 주거와 생활의 동향을 살펴보는 것이다. AI Hub에서 제공하는 한국어 SNS데이터를 수집하고 형태소 분석, 전처리 과정을 거친 후 coherence score을 토대로 최적의 토픽 수를 결정하여 토픽을 추출하였다. 도출한 트렌드를 바탕으로 경영, 마케팅 분야에 미치는 영향을 예측할 수 있을 것으로 기대한다.

본 논문은 맞춤형 카페 추천 서비스를 제안한다. 대중적인 포털 사이트의 카페 정보와 사용자 리뷰를 크롤링 하여 지역별, 키워드별 카페 데이터를 수집한다. 사용자가 원하는 지역과 임의의 키워드를 기준으로 데이터셋 내의 키워드와 비교하여 가장 유사한 키워드를 추출한다. spaCy 라이브러리의사전 학습된 모델 중 similarity method를 사용하여 추출된 키워드를 바탕으로 해당하는 카페를 추천한다. 이를 통해 사용자는 불필요한 정보를 걸러내고 쉽게 원하는 정보를 얻을 수 있다.

사람들은 각자 원하는 조건에 부합한 식당과 카페를 찾곤 한다. 그러나 개인별로 원하는 조건들이 다양하고 그 조건들이 모두 부합하는 음식점을 찾기에는 적지 않은 시간과 노력이 필요한 일이다. 이 불편함을 해소하고자, 사용자가 원하는 조건을 입력하면 그 조건에 부합하는 몇 개의 음식점들을 추천해 주고, 지도상으로 위치를 표시해 주는 개인 맞춤형 음식점 추천 시스템을 개발하였다. 본 연구에서 제안하는 추천 시스템은 사용자가 입력한 우선순위에 따라 차별화된 음식점 추천을 받을 수 있으므로, 시간과 노력을 투자하지 않고도 자신이 원하는 음식점을 쉽게 찾을 수 있을 것으로 예상된다.

제주특별자치도는 제주의 관광산업의 다양한 문제해결를 위해 제주데이터허브를 통한 제주의 다양한 관광데이터, 렌터카의 이동정보등을 제공하고 있다. 본 논문에서는 관광객 증가 및 렌터카 이용자의 증가로 인한 교통문제, 렌트카의 반납장소 문제등을 해결할 수 있도록 렌터카 차량의 군집데이터를 이용한 체류빈도를 시각화 하고자 한다.

Speech emotion recognition(SER) is one of the interesting topics in the machine learning field. By developing SER, we can get numerous benefits. By using a convolutional neural network and Long Short Term Memory (LSTM ) method as a part of Artificial intelligence, the SER system can be built.

IT 기술의 발달로 E-Commerce 분야는 실시간으로 발생되는 데이터양이 증가하고 있으며, 발생된 데이터는 개인화 맞춤 서비스에 많이 활용되고 있다. 그러나 신생 E-commerce 기업은 신규 상품 및 기존 상품에 대한 정보와 고객 간의 상호 작용 데이터가 존재하지 않아 콜드 스타트 문제가 발생한다. 이에 본 논문에서는 E-commerce 환경에서 실시간 사용자 구매패턴 분석을 통한 사용자 상품 추천 시스템을 제안한다. 제안하는 시스템은 Kafka와 Spark를 사용해 실시간 스트림을 데이터를 처리한다. 주요 기능은 ALS 알고리즘과, FP-Growth 알고리즘을 적용해 콜트 스타트 문제를 해결하며, 사용자 구매 패턴 분석을 통한 분석 결과에 맞는 상품을 사용자에게 추천한다.

지구온난화와 농업 활동 감소로 인해 농작물 생산량이 줄어드는 추세이다. 4차 산업혁명 시대를 맞아 농업 분야에서도 인공지능 기술을 활용하여 효율적인 작물 재배가 가능해지고 있다. 작물의 수확량을 최고로 끌어올릴 수 있는 시간대별 최적 환경을 알아낼 수 있다면 식물 재배와 관련한 제반 사업에 도움이 될 것이다. 본 연구에서는 LSTM 알고리즘을 이용하여 상추의 일별 중량을 예측하는 인공지능 모델을 생성하였다. 제안하는 AI 예측 모델을 통해, 보다 효율적인 작물 재배가 가능해질 수 있을 것으로 보인다.

Hypertension is one of the leading causes of mortality worldwide. In recent years, the incidence of hypertension has increased dramatically, not only among the elderly but also among young people. In this regard, the use of machine-learning methods to diagnose the causes of hypertension has increased in recent years. In this study, we improved the prediction of hypertension detection using Mahalanobis distance-based multivariate outlier removal using the KNHANES database from the Korean national health data and the COVID-19 dataset from Kaggle. This study was divided into two modules. Initially, the data preprocessing step used merged datasets and decision-tree classifier-based feature selection. The next module applies a predictive analysis step to remove multivariate outliers using the Mahalanobis distance from the experimental dataset and makes a prediction of hypertension. In this study, we compared the accuracy of each classification model. The best results showed that the proposed MAH_RF algorithm had an accuracy of 82.66%. The proposed method can be used not only for hypertension but also for the detection of various diseases such as stroke and cardiovascular disease.

본 연구는 웨어러블 디바이스를 활용하여 장애인 재활운동 보조를 위한 AI 기반의 맞춤형 서비스 개발을 소개한다. 해당 서비스는 웨어러블 디바이스를 장착한 상태로 운동 중인 사용자의 심박수, 소모 칼로리, 운동 시간 등의 센서 데이터를 수집 및 관리한다. 사용자 생체 데이터는 클라이언트 서버 간 실시간 통신으로 관리되며, django rest framework 로 구축된 서버에 저장된다. 제안 시스템을 통해 수집된 데이터는 시계열 군집화 분석을 위해 k-means clustering 과 k-shape clustering 을 활용하여 체력 평가의 핵심 지표인 심박수를 분석하였다. 특히, 상대적으로 운동이 어려운 장애인 사용자를 위한 맞춤형 운동능력 분석 및 해석에 대한 정보 제공이 가능하다.

비디오 월 컨트롤러의 멀티스크린에 영상을 표출하기 위해서는 입력 영상과 영상의 수신 및 표출을 수행하는 클라이언트 프로그램이 필요하다. 입력 영상을 얻기 위한 수단으로는 영상 송출이 가능한 장비를 케이블로 연결하거나 네트워크를 통해 수신하는 방법이 있다. 많은 스트리밍 장치를 보유하고 있는 시스템에서는 관리가 용이한 영상분배서버를 사용하는 것이 효율적이지만, 통상의 영상분배 서버는 컴퓨터 비전 기술을 탑재하고 있지 않고 일단 스트리밍을 시작한 후에는 스트리밍 장치를 변경할 수 없는 단점이 있다. 이에 본 논문에서는 스트리밍을 실행한 후에도 스트리밍 장치를 전환하여 스트림을 전송할 수 있는 얼굴 인식 기반의 영상분배 시스템을 제안한다.

인공지능 기술의 발전에 따라 유체 시뮬레이션 분야에서는 복잡한 액체의 흐름을 모사하기 위해 기계학습 기술이 많이 활용되고 있다. 이러한 시뮬레이션에서 성능 향상의 가장 중요한 요소는 학습 데이터다. 이 논문에서는 기계학습 기반 유체 시뮬레이션의 학습 데이터 생성 단계 중 기존의 방법보다 효율적으로 비말(splash) 탐색하는 방법을 제안한다. 기존 방법에서는 CPU 환경에서 큐(queue)를 이용하는 너비우선탐색(breadth first search) 기법을 사용하기 때문에 처리속도가 느리다. 반면에 제안하는 기법에서는 배열로 되어 있는 해시 테이블(hash table)을 이용해 충돌 문제를 해결해 GPU 환경에서 비말을 신속하게 검출하도록 하기 때문에 빠른 학습 데이터 생성이 가능하도록 했다. 이 알고리즘의 유효성을 확인하기 위하여 정확성과 수행시간을 확인하였다.

본 논문에서는 GPT-4 기반의 채용공고별 AI 자소서 작성 가이드 개인화 서비스를 제안한다. 이 서비스는 지원자들에게 시간 절약과 효율적으로 작성된 글을 제공하며, 기업의 요구사항과 지원자의 역량을 최대한 반영한 경쟁력 있는 자기소개서를 작성할 수 있다. 본 연구는 기존의 템플릿 기반 글 작성 서비스의 한계를 극복하고, 인공지능 기반의 GPT-4 를 활용하여 개인화된 글 작성을 가능하게 한다. 시스템 구현을 통해 최적화된 프롬프트를 연구하며, 이 방법론은 자기소개서 외 다양한 분야의 글 작성에도 활용될 수 있다. 이 서비스의 활용으로 지원자들의 경쟁력이 높아지고, 기업들은 더 적합한 인재를 찾는 데 도움을 받을 수 있을 것으로 기대된다.

오늘날 AI 기술은 다양한 분야에서 활용되며 발전해나가고 있다. 하지만 AI 모델의 복잡도가 증가하며 AI의 산출 결과의 해석이 불가능한 Black-box 성격을 지니게 되었고, 이는 실 환경에서 AI 도입의 커다란 걸림돌로 작용하고 있다. 이에 따라 AI 판단 결과에 대한 Interpretation을 제공하는AI Decision Support의 중요성이 커지는 추세이다. 본 논문에서는 Reference 기반 Rule을 통해 AI 모델의 판단 결과에 대한 해석을 제공하고 입력된 데이터에 관한 Rule 적합도를 산출하여 AI Decision Support를 제공하고자 한다. 또한, Rule 적합도 정보를 기반으로 기존의 모델보다 정확한산출 결과를 통해 수집된 데이터의 Label을 확정시킨다. 이를 토대로 AI 모델의 업데이트를 실행하여 지속적으로 AI의 성능을 개선하면서도 지속 운용이 가능한 AI 운용 프레임워크를 제안한다.

본 연구는 관세 데이터를 BERT 기반 모델을 활용한 개체명 인식(NER)모델을 제안한다. 관세 분야 국내 첫 시도이며, 선행연구들과 달리 개체명 인식에 초점을 맞춘다. 관세 관련 텍스트에서 고유한 의미의 개체를 인식하는 것이 주요 목표이다. 이 연구는 관세 분야의 개체명 인식에 대한 이해도를 높이고 향후 HS 코드 검색 시스템 개발에 대한 기초 연구를 제공한다.

본 연구는 프로그래밍 협업 환경에서 생성형 AI인 ChatGPT-4를 활용한 코딩 프로세스를 제안한다. 일관성 있는 결과를 얻기 위해 프롬프트 생성, GPT 실행, 의사코드 변환, 코드 비교, 동일 코드 생성 여부 판단, 테스트 실행, 동일 결과 생성 여부 판단, 코드 검사 및 수정의 8단계를 거친다. 팀 프로젝트와 페어 프로그래밍 등의 다양한 협업 환경에 적용 가능한 이 프로세스를 통해 생성형 AI를 효과적으로 활용할 수 있음을 보여주었다는 점에서 그 의미가 있다. 본 연구는 생성형 AI를 활용한 협업 환경에서의 코딩이 본격적으로 이루어질 것으로 예상되는 이 시점에서, 인간-AI 협업 환경에서의 코딩 효율성 및 일관성을 높일 수 있을 것으로 기대한다. 이러한 연구는 인간과 AI가 함께 작업하는 미래를 위한 기초를 마련하는 데 중요한 역할을 할 것이다.

가치주와 성장주의 정의는 모호하다. 그렇기에 사회에 다양한 혼란이 빚어지고 있다. 본 연구에서는 그 모호성으로 인해 생기는 혼란을 줄이고자 새로운 주식 종목 분류 모형을 제안한다. 유명 성장 지수와 가치 지수 내 종목을 통해 지도 학습이 가능한 환경에서, 종목들의 주가 등에서 새로운 지표를 만들어낸 후, 그 지표를 LSTM 모델을 통한 기계학습으로 학습하는데 활용한다. 보이지 않는 패턴을 학습한 모델을 검증기에 부착해 모호한 주식을 분류하는데 응용할 수 있다.

그래프 임베딩 방법은 그래프 구조를 이용하여 그래프의 노드를 저차원 임베딩 공간에서 벡터로 매핑하여 각 노드를 벡터로 표현하는 것을 목표로 한다. 다양한 방법들이 제시되었지만 기존의 방법들은 그래프에서 노드 간의 유사성을 잘 보존할 수 없어 다양한 기계 학습에 대해 부정확한 벡터를 생성하였다. 이러한 문제를 해결하기 위해 노드 사이의 유사성을 이용한 방법이 제안되었다. 본 논문에서, 우리는 여섯 가지 실세계 데이터셋을 사용하여 세 가지 기계 학습 작업시 그래프 임베딩 방법들의 성능을 비교하여 유사성 기반의 그래프 임베딩 방법의 우수성을 확인했다.

최근, 환자의 현재와 과거 방문 정보(즉, 환자가 현재와 과거 각 방문에서 진단 받은 질병들과 수술들)를 활용하여 환자 임베딩을 획득한 뒤, 환자의 현재 방문에서 효과적인 의약품들을 추천해주는 의약품 추천 연구들이 활발하게 진행되고 있다. 이들은 환자 임베딩을 획득하기 위해, 현재와 과거 방문 정보를 유형 별(즉, 질병과 수술 별)로 각각 융합하여 하나의 질병과 수술 임베딩으로 나타낸 뒤 이 두 임베딩을 융합한다. 이로 인해, 방문 정보 유형 별 임베딩을 융합하는 방법은 의약품들을 추천하는데 있어서 큰 영향을 미칠 수 있다. 그러나 지금까지 방문 정보 유형 별 임베딩을 어떻게 융합하는 것이 환자에게 의약품들을 추천하는데 가장 효과적인지 탐구한 연구는 없다. 따라서, 본 논문에서 우리는 실세계 데이터 집합을 활용한 실험을 통해 방문 정보 유형들 간의 다양한 융합 방법들 중 어떠한 방법이 추천 정확도 개선에 가장 효과적인지 비교하고 분석하여 환자에게 가장 효과적인 의약품들을 추천해주고자 한다.

본 논문에서는 복부 CT 의료영상에서 근감소증 진단을 위한 지표로 활용하는 요추 3번 슬라이스를 분류하기 위해서 CNN 기반의 EfficientNetV2를 사용하여 자동분류모델을 개발하였다. 이를 위해 먼저 전체 복부 CT 의료영상에서 Thoracic, L1, L2, L3, L4, L5, Sacral 7개의 슬라이스를 검출하도록 하였다. 자동분류모델의 정확성을 측정하기 위해서 Test 데이터셋을 사용하여 Confusion Matrix 결과를 통해 개발된 모델의 성능을 검증한 결과를 보였다. 본 연구결과는 복부 CT 영상에서 기존 L3 레벨의 특정 단면에서 근육량을 측정하는 것에서 다양한 부위에서 측정할 수 있는 장점을 갖게 된다. 그리고 의료영상기반의 근감소증 진단 연구에 도움을 줄 것으로 기대하고 있다.

최근 CNN 이 다양한 산업에 확산되고 있으며, IoT 기기 및 엣지 컴퓨팅에 적합한 경량 모델에 대한 연구가 급증하고 있다. 본 논문에서는 CNN 모델의 파라미터 비트 연산을 위한 자동화 프레임워크를 제안하고, 파라미터 비트와 모델 정확도 사이의 관계를 실험 및 연구한다. 제안된 프레임워크는 하위 n- bit 를 0 으로 설정하여 정보 손실 발생시킴으로써 ImageNet 데이터셋으로 사전 학습된 CNN 모델의 파라미터와 정확도의 강인성을 비트 단위로 체계적으로 실험할 수 있다. 우리는 비트 연산을 수행한 파라미터로 InceptionV3, InceptionResnetV2, ResNet50, Xception, DenseNet121, MobileNetV1, MobileNetV2 모델의 정확도를 평가한다. 실험 결과는 성능이 낮은 모델일수록 파라미터와 정확도 간의 강인성이 높아 성능이 좋은 모델보다 정확도를 유지하는 비트 수가 적다는 것을 보여준다.

의약품 추천 방법은 환자의 현재 건강 상태가 주어졌을 때, 해당 환자에게 효과적이면서도 안전한 의약품들을 추천해주기 위한 방법이다. 최근 의약품 추천 방법들은 환자에게 효과적이면서도 안전한 의약품들을 추천해주기 위해, 환자의 방문 정보(즉, 환자에게 진단된 질병, 수술 정보) 뿐만 아니라 의약품들 간의 (1) 동시 처방 여부 관계와 (2) 부작용 유발 관계를 추가적으로 활용하고 있다. 구체적으로, 이들은 의약품들 간의 두 관계를 각각 임베딩으로 나타낸 뒤 하나의 임베딩으로 융합하여 활용한다. 그러나 기존 의약품 추천 방법들은 이 두 임베딩을 융합하는데 있어서, 두 임베딩 간의 관계를 깊게 고려하지 않고 단순히 뺄셈 연산을 적용하고 있다. 따라서 본 논문에서는 실세계 데이터 집합을 활용하여, 의약품들 간의 두 관계에 대한 임베딩들을 다양한 방법을 통해 융합한 뒤각 방법이 추천 정확도에 어떠한 영향을 미치는지 비교 및 분석하여 더욱 정확한 의약품 추천을 제공하고자 한다.

원본 이미지를 변형하여 학습용 데이터를 확장하는 기법에 대해서는 이전부터 꾸준히 논의된 바가 있다. 턴 테이블과 크로마 키를 이용하여 객체의 영상을 촬영하고 프레임을 추출하여 이미지 분류, 영상 내 객체 탐지 등에 사용이 가능한 데이터 셋의 확장 구축 방안에 대해 다루며, 성능 분석 결과 평균 90% 이상의 객체 검출률을 보였으며 객체 탐지 모델의 경우에서 보다 높은 정확도를 보임을 확인할 수 있었다. 영상내 단일 객체를 인지하기 위한 상황을 위해 본 논문이 제시하는 데이터셋 구축 방안은 충분한 효과를 보일 수 있을 것으로 기대된다.

기존의 추천시스템은 상품간 혹은 사용자 간의 유사도를 기반으로 작동한다. 하지만 이는 사용자가 유사한 상품 추천 속에 갇히게 되는 필터 버블의 문제와 추천시스템의 고질적인 문제인 데이터 희소성 문제를 피할 수 없게 된다. 따라서 본 연구에서는 사용자의 취향과 체형 정보를 반영하여 사용자의 평점을 예측하는 협업 필터링 기반 딥러닝 추천과 상품간 비유사성을 고려하여 사용자의 평점을 예측하는 내용 기반 추천을 혼합한 하이브리드 추천 모델을 구축하여 기존 추천시스템의 문제점을 해결하였다. 모델의 성능평가를 위해 인터넷 의류 쇼핑몰을 대상으로 유사한 이미지를 활용한 하이브리드 추천 모델과 NDCG 값을 비교하였고 유사도가 낮은 이미지를 활용한 모델이 더 우수한 성능을 보였다. 이는 다른 제품과는 달리 소비자가 의류를 구매할 경우 이미 구매한 상품과 유사한 상품보다는 유사하지 않은 상품을 구매할 가능성이 크다는 것을 보여준다.

본 연구는 실시간 MOT(Multiple-Object-Tracking)의 성능을 향상시키기 위해 다양한 기법을 적용한 MOT 모델을 설계한다. 연구에서 사용하는 Backbone 모델은 TBD(Tracking-by-Detection) 기반의 Tracking 모델을 사용한다. Heatmap Detection을 통해 객체를 검출하고 Transformer 기반의 Feature를 연결하여 Tracking 한다. 제안하는 방법은 Anchor 기반의 Detection의 장시간 문제와 추적 객체 정보 전달손실을 감소하여 실시간 객체 추적에 도움이 될 것으로 사료된다.

대화형 추천 시스템은 대화를 통해 사용자의 현재 선호도를 파악하고 상품을 추천해주는 시스템이다. 대화의 맥락은 변화하기 때문에 대화 중 최근 언급된 엔티티가 사용자의 현재 선호와 더 관련이 있다. 그러나, 기존 방법들은 언급된 엔티티들의 순서를 고려하지 않았기 때문에 사용자의 현재 선호도를 표현하는데 한계가 존재한다. 본 논문에서는, 대화 내 언급된 엔티티들의 순서를 고려하는 아키텍처를 제안하고, 실세계 데이터를 활용해 다음 상품을 예측하는데 엔티티 순서를 고려하는 것이 효과적인지 실험을 통해 보여준다.

다중 목표 대화형 추천 시스템에서 대화의 흐름을 관리하기 위해 사용되는 목표설정을 한다. 본 논문에서는 목표 예측을 위해 기존에 사용되던 입력 프롬프트를 더욱 정교한 형태로 만들어보는 것이 목표 예측 정확도 향상과 더 나아가 응답 생성에도 도움이 되는지 사전 실험을 통해 당위성을 보여준다

실세계 네트워크 데이터에서 노드들 간의 관계는 종종 친구/적 혹은 지지/반대와 같이 대조적인 부호를 갖는다. 이러한 네트워크를 분석하기 위해, 부호가 있는 네트워크 임베딩 (signed network embedding, 이하 SNE) 문제에 대한 관심이 급증하고 있다. 특히, 최근 들어 그래프 합성곱 네트워크 기술을 기반으로 하는 SNE 방법들에 대한 연구가 활발히 수행되어 오고 있다. 본 논문에서는, 부호가 있는 네트워크의 희소성 정도가 기존 SNE 방법들의 성능에 어떻게 영향을 미치는 지에 대해 분석하고자 한다. 4 개의 실세계 데이터 집합들을 이용한 실험을 통해, 우리는 기존 방법들의 부호 예측 정확도가 희소한 네트워크들에서는 상당히 감소하는 것을 확인하였다.

최근 위치 기반 장소 (POI) 추천 서비스가 많이 사용되면서, 사용자의 이전 방문지들에 대한 체크인 시퀀스를 기반으로 현재 (다음으로) 방문할 법한 POI 를 찾아 사용자에게 추천하는, next POI 추천 시스템에 관한 연구가 활발히 진행되고 있다. 하지만, 기존 연구들의 경우 next POI 추천을 위한 모델 학습 시, 사용자의 네거티브 POIs 에 관한 정교한 샘플링 없이 사용자 선호도를 추론해왔다. 본 연구에서는, 사전 학습된 별도의 사용자 선호도 추론 모델을 통해 사용자의 네거티브 POI로서 쉽게 분류되기 어려운 하드 네거티브 POIs 를 찾고, 이들을 위주로 수행되는 하드 네거티브 샘플링 방법을 새롭게 제안한다. 우리는 실 세계 데이터셋을 이용한 실험을 통해, 제안 방안이 기존 연구들에서 사용되어 온 랜덤 네거티브 샘플링 방법 대비 recall@5 기준, 최대 16.4%까지 추천 정확도를 향상시킬 수 있음을 확인하였다.

자동차 번호판 인식은 영상 내 검출한 차량의 번호판의 문자열을 인식하여 차량을 식별하고 추적하는 기술로 주변 환경에 의한 잡음, 왜곡과 차량의 움직임으로 발생한 흐림, 영상 입력 장치와의 물리적 거리 등에 강인해야 한다. 본 논문에서는 차량 움직임으로 발생한 흐림이 있는 저해상도 영상에 대한 번호판 인식 성능의 향상을 위해 디블러링 모델과 초해상화 모델을 이용한 영상 복원 방법을 제안한다. 실험을 통해 디블러링 모델과 초해상화 모델을 결합하여 흐림이 있는 저해상도 국내 번호판 영상에서의 인식 성능을 개선하였다.

딥러닝은 컴퓨터 비전의 상당한 발전을 기여했지만, 딥러닝 모델을 학습하려면 대규모 데이터 세트가 필요하다. 이를 해결하기 위해 데이터 증강 기술이 주목받고 있다. 본 논문에서는 객체 추출 바운딩 박스와 원본 이미지의 바운딩 박스를 결합하여 합성 데이터 생성기법을 제안한다. 원본 이미지와 동일한 범주의 데이터셋에서 참조 이미지의 객체를 추출한 다음 생성 모델을 사용하여 참조 이미지와 원본 이미지의 특징을 통합하여 새로운 합성 이미지를 만든다. 실험을 통해, 생성 기법을 통한 딥러닝 모델의 성능향상을 보여준다.

Generative Adversarial Networks (GANs) have facilitated substantial improvement in single-image super-resolution (SR) by enabling the generation of photo-realistic images. However, the high memory requirements of GAN-based SRs (mainly generators) lead to reduced performance and increased energy consumption, making it difficult to implement them onto resource-constricted devices. In this study, we propose an efficient and compressed architecture for the SR-GAN (generator) model using the model compression technique Knowledge Distillation. Our approach involves the transmission of knowledge from a heavy network to a lightweight one, which reduces the storage requirement of the model by 58% with also an increase in their performance. Experimental results on various benchmarks indicate that our proposed compressed model enhances performance with an increase in PSNR, SSIM, and image quality respectively for x4 super-resolution tasks.

인공지능 가속기는 인공 지능 및 기계 학습 응용 프로그램의 연산을 더 빠르게 수행하도록 설계된 하드웨어 가속기이다. 인공지능 가속기 내에서 데이터가 효율적으로 처리되기 위해서는 그 흐름을 제어해야 한다. 데이터의 흐름을 제어하는 방법에 따라 가속기의 면적, 전력, 성능의 차이가 발생하는데, 그 다양한 데이터 흐름 제어방법에 대해 소개한다.

컴퓨터 비전의 하위 태스크(Task)인 의미론적 분할(Semantic Segmentation)은 자율주행, 해상에서 선박찾기 등 다양한 분야에서 연구되고 있다. 기존 FCN(Fully Conovlutional Networks) 기반 의미론적 분할 모델은 다운샘플링(Dowsnsampling)과정에서 공간정보의 손실이 발생하여 정확도가 하락했다. 본 논문에서는 공간정보 손실을 완화하고자 PSA(Polarized Self-attention)의 공간정보 강조 모듈을 HRNet(High-resolution Networks)의 합성곱 블록 사이에 추가한다. 실험결과 파라미터는 3.1M, GFLOPs는 3.2G 증가했으나 mIoU는 0.26% 증가했다. 공간정보가 의미론적 분할 정확도에 영향이 미치는 것을 확인했다.

노래 음성 변환(Singing Voice Conversion, SVC)은 오디오 처리 분야에서 최근 활발히 연구되는 분야 중 하나로, 원래의 멜로디와 가사를 유지하면서 소스 가수의 노래 음성을 대상 가수의 음성으로 변환하는 것을 목표로 한다. 본 논문에서는 딥러닝 기반 SVC 모델을 중심으로 멜 셉스트럴 왜곡 지표를 활용해 모델 간 성능 평가를 진행한다. 이를 통해 엔터테인먼트, 교육 등 분야에서 효율적인 SVC 모델을 찾아 활용할 수 있을 것이다.

시퀀싱(sequencing) 기술의 발달로 다양한 오믹스(omics) 데이터의 축적과 인공 지능 기술의 발달로 인하여 다양한 드라이버 유전자 분류기법이 제안되어왔다. 최근에는 암 데이터가 대용량으로 축적되며 기계 학습 기반의 다양한 기법들이 활발히 제안되었다. 특히 다양한 오믹스 데이터를 결합한 고차원 데이터에서 높은 정확도를 확보하기 위한 시도가 활발히 이루어지고 있다. 본 논문에서는 멀티 오믹스와 네트워크 관련 특징을 기반으로 암의 증식 및 발생에 중요한 역할을 하는 드라이버 유전자를 분류하는 딥러닝 모델을 제시한다. 또한 The Cancer Genome Atlas(TCGA) 데이터를 통해서 모델 학습 후 기존 통계 및 머신러닝 기반 기법과 비교하여 성능이 개선되었음을 확인하였다.

Deep learning methods and attention mechanisms have been incorporated to improve facial emotion recognition, which has recently attracted much attention. The fusion approaches have improved accuracy by combining various types of information. This research proposes a fusion network with self-attention and local attention mechanisms. It uses a multi-layer perceptron network. The network extracts distinguishing characteristics from facial images using pre-trained models on RAF-DB dataset. We outperform the other fusion methods on RAD-DB dataset with impressive results.

Brain tumor segmentation problem has challenges in the tumor diversity of location, imbalance, and morphology. Attention mechanisms have recently been used widely to tackle medical segmentation problems efficiently by focusing on essential regions. In contrast, the fusion approaches enhance performance by merging mutual benefits from many models. In this study, we proposed a 3D dual fusion attention network to combine the advantages of fusion approaches and attention mechanisms by residual self-attention and local blocks. Compared to fusion approaches and related works, our proposed method has shown promising results on the BraTS 2018 dataset.

강화학습 기반의 다중 에이전트 시스템을 이용한 서버의 실시간 상황을 제공 받아서 상황에 알맞은 퀘스트를 생성해주는 시스템을 제안한다. 학습 가이드 역할을 하는 CTDE 의 중앙 관리자의 역할을 위한 에이전트를 분리하여 작동하게 함으로서 퀘스트의 지향점을 잡는 것이다.

추천 시스템 연구들 중 사용자의 추천 만족도와 플랫폼의 이윤 측면을 함께 고려한 여러 연구들이 제안되어 왔다. 그런데 그동안 플랫폼의 이윤을 고려한 추천 시스템의 경우 방법들 간 분석 및 성능 비교가 되어오지 않았다. 본 논문에서는 먼저 기존 이윤 고려 추천 시스템들의 방법을 분석하고, 실 세계 데이터셋을 이용한 실험을 통해 추천 정확도 및 플랫폼 이윤 측면에서 이들간의 성능을 비교하였다. 그 결과, 추천 정확도와 플랫폼 이윤 간의 상충 관계가 있음을 확인할 수 있었고, 이윤 고려 추천 시스템 방법들이 이윤을 고려하지 않은 일반적인 추천 방법 대비 7~35%의 플랫폼 이윤 향상 효과가 있음을 관찰할 수 있었다.

본 연구에서는 기존 여행지 추천의 플랫폼에 있어 개인의 취향에 맞는 여행지 추천이 어렵다는 점을 해결하고자, 비선형적 관계를 해결할 수 있는 NCF 심층신경망 추천시스템을 이용하여 개인의 성향에 따라 여행지를 추천해 주는 시스템을 제안하고 이를 평가한 결과를 보고한다.

최근 딥러닝은 도로 CCTV 동영상의 교통사고 검출에 널리 사용되지만 일인칭 동영상의 교통사고 검출은 분명히 어렵다. 일인칭 동영상은 역동적이고 시야가 제한되어 있기 때문이다. 본 논문에서는 일인칭 동영상을 분석하여 교통사고를 검출하는 방법을 제시한다. 이 방법은 교통 표현 특성을 분석하는 것 외에도 의미를 이해하고 교통 장면을 인코딩한다. 프레임의 표현 특징은 각 프레임 상의 물체의 특징과 물체의 위치 관계의 공간적 숨겨진 특진을 학습함으로써 얻어진다. 그 후에 프레임 표현 특징과 교통 장면의 특징이 연결되어 GRU 실행기에 공급된다. 여러 GRU 실행기는 분석한 후 사고가 발생했는지 확인된다. 이 방법은 높은 역학과 제한된 시야 문제를 효과적으로 해결한다.

In order to enhance a model's capability for detecting facial expressions, this research suggests a pipeline that makes use of the GradCAM component. The patching module and the pseudo-labeling module make up the pipeline. The patching component takes the original face image and divides it into four equal parts. These parts are then each input into a 2Dconvolutional layer to produce a feature vector. Each picture segment is assigned a weight token using GradCAM in the pseudo-labeling module, and this token is then merged with the feature vector using principal component analysis. A convolutional neural network based on transfer learning technique is then utilized to extract the deep features. This technique applied on a public dataset MMI and achieved a validation accuracy of 96.06% which is showing the effectiveness of our method.

초해상은 저해상도의 영상을 고해상도 영상으로 합성하는 기술이다. 이 기술에 딥러닝이 적용되어, 2014년에는 SRCNN(Super Resolution Convolutional Neural Network) 모델이 발표됐다. 이후에는 SRCAE(Super Resolution Convolutional Autoencoders)와 GAN(Generative Adversarial Networks)을 기반으로 한 SRGAN(Super Resolution Generative Adversarial Networks) 등, SRCNN의 성능을 능가하는 모델들이 발표됐다. ESRGAN(Enhanced Super Resolution Generative Adversarial Networks)은 SRGAN 모델의 성능을 개선했지만, 완벽한 성능을 내지 못하는 문제점이 있다. 이에 본 논문에서는 판별자(Discriminator) 구조를 변경하여 ESRGAN의 성능을 개선한다. 실험 결과, 제안하는 모델이 ESRGAN보다 더 높은 성능을 보일 것으로 기대된다.

가상 피팅은 옷의 구매에 긍정적인 영향을 미치는 요소이다. 하지만 아직까지 여러 문제가 있어서 상용화가 되기 힘든 현실이다. 이러한 문제들 중에서 우리가 초점을 맞춘 것은 자연스러운 주름의 표현이다. 시간적 특성을 이용해 옷의 움직임을 자연스럽게 하고, 옷의 데이터를 얻어서 그 데이터로 옷의 주름표현과 텍스처 표현을 자연스럽게 할 수 있을 것이다.

최근 뇌-컴퓨터 인터페이스 분야에서는 뇌파 신호를 이용한 운동 심상 분류 연구가 활발히 이루어지고 있다. 뇌파는 개인별 차이가 큰 생체 신호로, 사용자에 독립적인 경우 추론이 어려워지는 문제가 있어 운동 심상 분류에서는 주로 피험자 종속적인 연구가 행해져 왔다. 본 논문에서는 컨볼루션 신경망 기반의 뇌파 분류 모델인 EEGNet 에 새로운 방식으로 개선한 Squeeze-and-Excitation block 을 적용해 피험자에 대해 독립적인 운동 심상 분류 성능을 향상시키는 방법을 제안하며, 제안한 Squeeze-and-Excitation block 을 적용한 모델이 기존 모델보다 높은 분류 성능을 보여주는 것을 실험적으로 확인하였다.

온라인 뉴스 플랫폼의 발전은 에코 챔버(echo chamber) 효과와 정치적 양극화를 심화시키며, 이를 완화하기 위한 선행 연구로 뉴스 기사의 정치적 성향을 판단하는 연구가 필요하다. 기존 연구는 외부 지식 그래프를 활용하여 뉴스 기사의 텍스트 정보를 더욱 풍부하게 표현한다. 그러나, 외부 지식을 임베딩하는 지식 그래프 임베딩(knowledge graph embedding, KGE) 방법은 다양하며, 각 KGE 방법이 정치적 성향 예측 정확도에 미치는 효과에 대해서 충분히 연구되지 않았다. 본 논문에서는 정치적 성향 예측에 외부 지식의 활용을 최대화하기 위한 다양한 KGE 방법들의 효과를 분석한다. 실험 결과, 외부 지식 그래프 내의 개체들 간 복잡한 관계를 간단하고 정확하게 표현 가능한 ModE 방법을 활용하는 것이 정치적 성향 예측에 가장 효과적이라는 것을 확인하였다.

위치 기반 서비스(LBS)의 확산으로 다양한 분야에서 활용할 수 있는 많은 양의 경로 데이터가 생성되고 있다. 하지만 공격자가 경로 데이터를 통해 잠재적으로 사용자의 개인정보를 유추할 수 있다는 문제점이 존재한다. 따라서 경로 데이터의 프라이버시를 보존하며 유용성을 유지할 수 있는 GAN(Generative Adversarial Network)을 사용한 많은 연구가 진행되고 있다. 그러나 GAN은 생성된 결과물을 제어하지 못한다는 한계점을 가지고 있다. 본 논문에서는 ACGAN(Auxiliary classifier GAN)을 통해 생성된 결과물을 제어함으로써 경로 데이터의 민감한 정점을 숨기고, Attention mechanism을 결합하여 높은 유용성과 익명성을 제공하는 합성 경로 생성 모델인 TAP-GAN(Trajectory attention and protection-GAN)을 제안한다. 또한 모델의 성능을 입증하기 위해 유용성 및 익명성 실험을 진행하고, 선행 연구 모델과의 비교를 통해 TAP-GAN이 경로 데이터의 유용성을 보장하면서 사용자의 프라이버시를 효과적으로 보호할 수 있음을 확인하였다.

최근 빅데이터를 처리하기 위한 고용량의 저장장치의 연구가 활발하게 진행되고 있다. 특히 낸드 플래시 메모리 기반 저장장치인 SSD(Solid State Drive)는 고속 데이터 처리가 가능하기 때문에 다양한 저장 시스템에서 사용되고 있다. 그러나 낸드 플래시 메모리는 읽기 속도가 빠르고 쓰기 속도가 느린 비대칭 구조를 가지고 있어 데이터 쓰기 작업이 진행 중일 때 다른 작업이 대기하게 되어 전체적인 시스템 성능에 영향을 미칠 수 있다. 이에 대해 대부분의 연구에서는 쓰기 성능을 개선하기 위한 버퍼 관리 정책들이 제안되었다. 기술의 발전으로 쓰기 성능은 개선되었지만, 그에 비해 읽기 성능이 저조한 문제가 있다. 본 논문에서는 읽기 성능이 쓰기 성능보다 취약한 점을 분석하고 플래시 메모리 내에 저장장치 속도를 개선하기 위해 앞으로 읽기 요청 가능성이 있는 예상 데이터를 선형회귀 모델을 적용하여 전송 대기 시간 중 미리 읽는 정책을 제안한다.

Generative Adversarial Networks (GANs) models have developed rapidly due to the emergence of various variation models and their wide applications. Despite many recent developments in GANs, mode collapse, and instability are still unresolved issues. To address these problems, we focused on the fact that a single GANs model itself cannot realize local failure during the training phase without external standards. This paper introduces a novel training process involving multiple GANs, inspired by auction mechanisms. During the training, auxiliary performance metrics for each GANs are determined by the others through the process of various auction methods.

딥러닝에서 지식 증류 기법은 큰 모델의 지식을 작은 모델로 전달하여 작은 모델의 성능을 개선하는 방식이다. 지식 증류 기법은 모델 경량화, 학습 속도 향상, 학습 정확도 향상 등에 활용될 수 있는데, 교사 모델이라 불리는 큰 모델은 일반적으로 학습된 딥러닝 모델을 사용한다. 본 연구에서는 학습된 딥러닝 모델 대신에 수치 기반 시뮬레이션 모델을 사용함으로써 어떠한 효과가 있는지 검증하였으며, 수치 모델을 활용한 기상 예측 모델에서의 지식 증류는 기존 단독 딥러닝 모델 학습 대비 더 작은 학습 횟수(epoch)에서도 동일한 에러 수준(RMSE)까지 도달하여, 학습 속도 측면에서 이득이 있음을 확인하였다.

대학 생활을 하면서 자신이 필요한 정보를 모두 챙기기는 쉽지 않다. 매번 학교 홈페이지나 관련 사이트에 접속하여 확인하는 것은 번거롭기도 하고 신입생의 경우에는 그런 정보의 존재조차 잘 모르는 경우가 많다. 때문에 이 논문에서는 웹 크롤링 방식을 통해 다양한 사이트에서 필요한 정보를 수집하고, 기계학습 모델 중 N-GCN을 기반으로 한 추천시스템을 이용하여 본인에게 맞는 추천과목, 동아리 모집공고, 학술대회, 채용공고 등의 정보를 제공해주는 Kingomanager를 소개한다. Kingomanager는 학생들의 학년, 관심분야를 고려해서 개개인별 맞춤 정보를 추천해준다. 추천 받은 정보들은 메신저 형태의 어플리케이션을 통해서 확인할 수 있고, 해당 정보들은 언제든지 다시 검색하여 다시 찾아볼 수 있다. 어플리케이션 구현에서 Front-end는 React-Native를 사용하였고, Back-end는 Flask와 AWS 서비스를 사용하였다. 본 논문에서는 성균관대학교 소프트웨어학과 학생을 대상으로 하는 프로토타입 어플리케이션을 개발했다.

최근 CNN 기반 객체인식 시스템은 고정밀도 모델을 기반으로 정확도를 높이고 있다. 하지만 고정밀도 모델일수록 모델의 크기가 늘어나고 더 많은 하드웨어 자원을 필요로 한다. 따라서 모델 경량화 기술이 많이 연구되고 있으며, 그 중에 대표적인 경량화 기술이 양자화 기술이다. 양자화 기술은 파라미터의 크기와 연산 오버헤드를 줄이지만, 정확도 역시 줄어들게 된다. 영자화와 정확도의 상관관계를 분석하기 위해서 본 논문에서는 INT8 과 FP32 을 이용한 Mixed precision CNN 을 실행시키기 위한 프레임워크를 구성하고, 임베디드 시스템 환경에서의 INT8 연산에 기반하여 맞추어 각 layer 별 Mixed Precision 연산을 수행하여 보고, 모델의 정확도를 측정하여 분석하여 보았다.

수출의존도가 높은 한국은 코로나19 팬데믹, 우크라이나-러시아 전쟁 등 대외환경의 변화에 따른 수출 여건에 민감할 수 밖에 없는 환경이다. 이에 발 빠르게 대응하기 위해 정확한 수출증감률 예측이 필요하며 이를 가장 잘 수행할 수 있는 예측모델을 찾고자 한다. 수출에 영향을 끼치는 주요변수 선정 후, min-max 정규화를 시행하고 변수간 상관계수와 다중공선성 확인을 통해 변수를 축소했다. 그리고 머신러닝 예측모델로 많이 사용되는 Linear Regression, Decision Tree, Gradient Boost Regressor, Random Forest 4가지 모델에 대입하여 수출 증감률 예측 정확도를 비교했다. 그 결과, Linear Regression의 MSE가 0.087로 가장 낮아 제일 우수한 모델이라는 결론에 도달했다.

COVID-19 is a viral pandemic disease that spreads widely all around the world. The only way to identify COVID-19 patients at an early stage is to stop the spread of the virus. Different approaches are used to diagnose, such as RT-PCR, Chest X-rays, and CT images. However, these are time-consuming and require a specialized lab. Therefore, there is a need to develop a time-efficient diagnosis method to detect COVID-19 patients. The proposed machine learning (ML) approach predicts the presence of coronavirus based on clinical symptoms. The clinical dataset is collected from the Israeli Ministry of Health. We used different ML classifiers (i.e., XGB, DT, RF, and NB) to diagnose COVID-19. Later, classifiers are optimized with the Bayesian hyperparameter optimization approach to improve the performance. The optimized RF outperformed the others and achieved an accuracy of 97.62% on the testing data that help the early diagnosis of COVID-19 patients.

최근 일회용품의 사용 증가 및 재질과 종류가 다양해짐에 따라, 올바른 분리배출 방법 공유 필요성이 대두되고 있다. 본 논문에서는 실시간 물체 인식 알고리즘인 YOLOv7 (You Only Look Once)를 이용하여 재활용 마크를 자동으로 분류하고 그에 따른 올바른 분리배출을 알려주는 시스템을 구현했다. 그 결과, mAP값이 90%로 좋은 객체 검출률을 보였다. 또한, 카카오톡 챗봇 API를 이용하여 올바른 분리배출 방법을 공유하는 서비스를 제공하며 사용자 접근성을 높여 많은 사람이 쉽게 사용할 수 있도록 구현했다.

최근 화제인 가상 아이돌의 춤 제작에 많은 자원 및 비용이 발생한다. 만일 춤을 자동으로 생성해 3D 모델에 피팅하면 이러한 비용을 줄일 수 있으며, 다양하고 복잡한 춤의 구현도 가능할 것이다. 또한, 댄스 게임을 통해 춤을 배우고 즐기는 사람들이 많지만, 경험할 수 있는 춤이 한정적이며, 모션 인식 정확도가 낮다는 단점이 있다. 따라서 본 논문에서는 트랜스포머 구조의 인공지능 모델을 통해 음악에 어울리는 3D 춤 모션을 자동으로 생성하고, 3D 자세 추정 모델을 사용해 사용자의 모션을 추정한 후, 두 모션의 유사도를 랜드마크 3D 좌표로 계산하여 판정하고자 한다. 이는 1 인 댄스 룸 또는 댄스 게임에 활용되어 발전 가능하다.

인공지능 기술을 도입한 의료분야에서 진단 및 예측을 위한 관련 연구가 활발하게 진행되고 있다. 특히, 인공지능 기술 적용에 가장 많이 활용되고 있는 의료영상을 기반으로 하는 질환에 관한 진단 연구는 매우 복잡한 과정이 필요한 질환의 진단에 큰 영향을 미치고 있다. 복부 장기들의 분할은 환자의 질환 진단 지원 및 복강경등의 수술 지원에 매우 중요한 부분을 차지한다. 본 논문에서는 의료영상을 통해 13가지 복부 장기들을 분할하는 모델을 만들고 그 결과를 보인다. 본 논문에서 제안한 모델을 통해 13가지 복부 장기에 대한 분할로 영상분석을 통해 진단 지원이 가능할 것으로 기대한다.

차량용 인포테인먼트 시스템은 차량 내부에서 정보와 엔터테인먼트 기능을 제공하는 시스템으로, 현재 급격한 성장세를 보이고 있다. 이에 따라 많은 기업이 차량용 인포테인먼트 관련 기술을 연구하고 개발하고 있다. 이는 결국 차량에서 발생하는 트래픽이 이전보다 증가하는 것을 의미한다. 차량 발생 트래픽은 모바일 트래픽과 달리 시간에 따라 뚜렷한 발생 패턴을 보인다. 이러한 특성을 고려하여 RNN, LSTM, GRU 세 가지 종류의 순환 신경망 모델을 활용하여 차량 트래픽 예측 모델을 구현하였고 시간대별 모델 성능을 비교한 결과, LSTM이 가장 우수한 성능을 보였다.

웹소설 시장의 성장에 따라 웹소설 추천 시스템의 중요성이 높아지고 있다. 본 연구에서는 작품의 특성 및 선호도를 나타낼 수 있는 다양한 데이터를 활용하여 추천시스템을 구현하고 그 성능을 평가하여 표지 이미지와 작품 특성을 모두 고려한 멀티 모달 추천 시스템이 가장 효율적임을 보여주었다. 연구 결과, 단일 변수 추천에서는 작품 소개글과 표지 이미지 기반 추천이 가장 좋은 성능을 보였고, 멀티 모달 추천 시스템에서는 작품 소개글, 이미지, 키워드 순으로 성능에 좋은 영향을 끼치는 것으로 나타났다. 이번 연구 결과는 한국콘텐츠진흥원에서 조사한 웹소설 이용자 실태조사와는 조금 다른 결과를 보여주었다. 설문조사에서는 인기도를 웹소설 선택 시 가장 중요한 영향으로 봤으나, 본 연구에서는 작품 소개글이 가장 중요한 영향을 미친다는 결과가 나타났다. 이러한 연구 결과는 웹소설 추천 시스템의 개발과 운영에 있어서 중요한 참고 자료가 될 것으로 예상된다.

해양의 영향을 많이 받는 우리나라의 지리적 특성상 해양 상황은 산업 및 생업과 밀접한 관계가 있다. OPEN API 를 이용하여 유향/유속, 조위등 해양 환경관련 실시간 시계열 데이터를 수집한 후 2 차원 공간에 표시하여 순환 신경망 모델을 이용하여 학습한다. 학습된 모델을 실제 데이터에 적용하여 파랑을 예측한다. 시계열의 성격이 있고 공간상에 표시할 수 있는 데이터라면 본 논문에서 제시한 체계를 통해 예측할 수 있을 것이라 예상한다.

지구온난화와 기후변화로 인해 전세계적으로 기업, 정부는 ESG(Environmental, Social and Corporate Governance)에 관심을 가지고 있다. 이에 따라 폐기물 분류 및 재활용에도 관심을 가지고 있지만 국내 외 폐기물 분류는 정확하게 이루어 지지 않고 있다. 이에 본 논문에서는 객체 인식의 대표 모델인 YOLOv5 를 이용해 폐기물 중 대표인 페트병 탐지 시스템을 제안한다. 제안하는 시스템은 페트병 사이 다른 폐기물을 감지해 내고 페트병 중 유색과 투명 페트병을 분류를 한다. 향후, 제안하는 시스템의 성능 평가가 필요하고 다른 폐기물로 확장이 필요하다.

지진, 대형화재와 같은 많은 재해의 발생으로 인해 재난 안전 분야에 관심이 증가하고 있으며, 재난재해 시 신속하고 안전한 구조는 생존율에 영향을 준다. 기존 연구에서는 다양한 센서와 멀티카메라를 이용한 위치 추정 연구는 있으나, 가장 많이 설치된 단일카메라 기반의 위치 추정연구는 부족한 상태이다. 본 논문에서 단일카메라를 활용한 딥러닝 객체탐지와 거리측정 알고리즘을 이용하여 인명구조를 위한 구조대상자 위치추정시스템을 제안한다. 딥러닝을 활용한 객체탐지 기술을 이용하여 단일카메라 영상 내 객체와 해상도에 따른 바운딩 박스의 너비를 활용한 거리 계산식으로 거리를 추정하고, 객체의 위치좌표를 제공하여 신속한 재난 구조에 도움이 되는 시스템을 제안한다.

스마트폰 발전으로 인한 SNS(Social Network Service), 웹 검색 및 활용 등 편리함과 유용성을 가져다 주었지만 안드로이드 APP의 개방성으로 인하여 프로그램의 원칙적 특성을 악용한 취약점이 발생하고 있다. 이를 대응하는 해결방안으로 API에 대한 요청 데이터를 모듈을 통하여 로그 값을 수집한다. 수집된 데이터는 로그 값을 시간을 기준으로 라벨링하여 이상치 탐지 알고리즘인 OCSVM의 이상치 평균으로 사용하여 실시간 데이터 영향을 받는 하이퍼파라미터 C 와 r 값을 Grid Search 기법을 통해 조정함으로써 최적의 파라미터 값을 찾는 시스템을 제안한다.

본 논문은 AI 기술을 활용하여 웹 디자인 및 개발 과정에서 생산성과 비용 측면에서 발생하는 문제점을 해결하기 위한 솔루션을 제안하고 있다. ChatGPT와 같은 대규모 언어 모델을 기반으로 사용자가 원하는 웹사이트 유형과 데이터를 입력하면, AI가 적절한 웹 템플릿을 제시하고, 해당 템플릿을 기반으로 동적인 웹사이트를 자동으로 제작하는 방식으로 작동한다. 이를 통해 개발자는 웹사이트 디자인 및 레이아웃 개발에 소요되는 시간과 비용을 절감할 수 있다. 이러한 방식은 웹사이트를 더 사용자 친화적이고 참여도 높은 것으로 만들어, 고객 유치와 이타적 상호작용을 유도하며, 회사나 조직의 성공에 기여할 수 있다.

GAN은 이미지 생성모델로서 이미지 공간에서 좋은 결과를 보여왔다. 우리는 이러한 GAN의 능력을 더욱 향상하기 위하여 본 연구에서 주파수 영역에서 이미지를 학습하고 생성하는 새로운 방법을 제안한다. 이를 위하여 먼저 학습데이터를 2D FFT로 주파수 영역으로 변환한 후 변환된 학습데이터를 GAN이 학습하게 한다. 학습 후에 GAN은 새로운 이미지를 생성하며 생성된 이미지를 2D IFFT하여 이미지 공간으로 변환한다. 이렇게 주파수 영역에서 이미지를 생성하는 방법은 이미지 공간에서 생성하는 방법보다 다양한 장점이 있다. 생성된 이미지의 품질을 평가하기 위하여 4개 데이터 셋에 4개의 평가지표를 사용하여 평가한 결과 주파수 영역에서 생성한 이미지가 IS, P&R, D&C 측면에서 더 좋은 것으로 평가되었다.

최근 선정적이고 폭력적인 뉴스 기사 제목의 여과 없는 노출로 인하여 유해한 언어 접촉이 빈번히 이루어지고 있다. 자극적인 단어에 지속적으로 노출되는 것은 인지 능력에 부정적 영향을 주는 것으로 알려져 있다. 따라서 이를 사전에 판별하여 정보를 수용하는 것이 필요하다. 본 논문에서는 KoBERT를 기반으로 한국어 뉴스 기사 제목에서 선정성과 폭력성을 검출하고자 한다. 학습을 위한 뉴스 기사 제목들은 인터넷에서 무작위로 총 9,500개의 데이터를 크롤링 하여 수집하였고, 모델의 말단에 NLNet을 추가하여 문장 전체의 관계를 학습했다. 그 결과 선정성 및 폭력성을 약 89%의 정확도로 검출하였다.

본 논문에서는 식품 판매 게시글에 대한 카테고리 분류를 위해 자연어처리 모델인 KoBERT 모델에 기반하여 식품 판매글에 대한 카테고리 분류 모델을 설계하고 구현한다. 본 논문을 통해 구현된 식품 판매 게시글의 카테고리 분류 모델은 정확도 평가에 대해서 비교적 우수한 성능을 산출하였다.

뇌종양은 인체에 발생하는 여러 종양 중 세 번째로 많이 나타난다. 뇌종양 환자 수는 지속해서 증가하고 있으며, 별도의 예방법이 존재하지 않아 빠른 진단 및 종양 종류에 따른 치료가 매우 중요하다. 현재 뇌종양 진료는 전문의가 전용 소프트웨어로 뇌 Magnetic Resonance Imaging(MRI) 이미지를 확대, 축소하여 자세히 살펴보면서 종양의 크기, 위치, 양성/악성 여부 등을 판단한다. 이 방식은 의사의 숙련도에 따라 진료 시간과 판독의 차이가 크고 오진 가능성이 있다. 본 논문은 뇌종양 종류별 MRI 이미지가 학습된 CNN 모델을 사용한 의사의 뇌종양 진단 시간 단축, 진단 정확도 향상을 통해 환자 치료의 효율성을 높이는 방안으로 Brain Tumor X를 제안한다.

네트워크 트래픽 연구는 오랜 기간 지속되어 왔으며, 구현이 비교적 간단하고 높은 정확도를 가지는 기존의 분류 방식들이 오랫동안 사용되어왔다. 그러나 네트워크 기술과 암호화 기술의 발달로 기존의 분류 방식들은 더 이상 분류 결과에 대한 신뢰성을 보장할 수 없으며, 이에 따라 새로운 분류 방식의 필요성이 대두되었다. 최근 머신러닝과 딥러닝을 네트워크 트래픽 분류에 적용하는 연구가 활발히 이루어지고 있으며 획기적인 모델들이 많이 제안되었고, 그 분류 성능 또한 입증되었다. 그러나 여전히 여러 가지 극복해야 할 문제점은 남아있으며 이러한 문제점을 해결하기 위한 연구가 앞으로도 계속 진행될 것으로 보인다. 본 논문은 머신러닝과 딥러닝을 이용한 네트워크 트래픽 분류 연구 동향에 대해 살펴보고 이러한 연구들이 가지는 문제점을 짚고 넘어가며 앞으로의 네트워크 트래픽 분류 연구의 방향성에 대해 이야기 하고자 한다.

에너지바우처 사업은 해마다 지원 예산의 규모를 증액하고 대상 가구원 특성 기준을 추가하는 등 지속적인 노력에도 불구하고 현재 에너지바우처 사용률은 전국 평균 약 81.8%로 여전히 목표치에는 못 미치는 상황이다. 본 논문에서는 2015년 최초 시행 이후부터 누적된 에너지바우처의 데이터와 에너지연료비(유가 정보, 지역 난방비 등), 기상청의 개방된 기상자료(기상특보, 예보), 한전의 실시간 전력 소비데이터 등 타 정보를 결합하여 인공지능 기반 데이터 분석으로 에너지바우처 사용률을 높여 사용률 저조 원인을 분석하고 이를 기반으로 위험 가구에 대한 사전 탐지와 관리를 위한 시스템을 제안한다. 향후, 제안 시스템의 현실적인 운영을 위해서는 사용률과 연관된 다양한 변수에 대한 분석과 시스템 성능평가가 필요하다.

연합학습(Federated Learning)에서는 여러 참가자가 서로 간의 데이터를 공유하지 않고 협력하여 하나의 모델을 학습할 수 있다. 그 중 수직 연합학습(Vertical Federated Learning)은 참가자 간에 동일한 샘플에 대해 서로 다른 특성(Feature)를 가지고 학습한다. 또한 서로 다른 특성(Feature)에는 입력의 라벨(Label)도 포함하기 때문에 라벨을 소유한 참가자 외에는 라벨 정보 또한 접근할 수 없다. 이처럼 다양한 참가자가 학습에 참여하는 경우 악의적인 참가자에 의해 모델이 포이즈닝 될 여지가 존재함에도 불구하고 수직 연합학습에서는 관련 연구가 부족하다. 포이즈닝 공격 중 백도어 공격은 학습 과정에 관여하여 특정 입력 패턴에 대해서 모델이 공격자가 원하는 타겟 라벨로 예측하도록 오염시키는 공격이다. 수직 연합학습에서는 참가자가 학습과 추론 모든 과정에서 관여하기 때문에 백도어 공격에 취약할 수 있다. 본 논문에서는 수직 연합학습에서의 최신 백도어 공격과 한계점에 대해 분석한다.

Long-tailed datasets have an imbalanced distribution because they consist of a different number of data samples for each class. However, there are problems of the performance degradation in tail-classes and class-accuracy imbalance for all classes. To address these problems, this paper suggests a learning method for training of long-tailed dataset. The proposed method uses and combines two methods; one is a resampling method to generate a uniform mini-batch to prevent the performance degradation in tail-classes, and the other is a reweighting method to address the accuracy imbalance problem. The purpose of our proposed method is to train the learning models to have uniform accuracy for each class in a long-tailed dataset.

챗 GPT 는 음성 혹은 문자로 사람과 대화할 수 있는 컴퓨터 프로그램인 챗봇(ChatBot) 중 하나이다. 최근 챗 GPT 의 사용자가 급격히 증가하면서 다양한 문제점과 한계가 발견되고 있다. 본 논문에서는 챗 GPT 를 활용 시 발생하는 문제와 한계에 대하여 살펴본다. 챗 GPT 의 문제점에는 챗 GPT 로 악성코드를 작성하는 사이버 범죄, 개인정보 침해 문제, 챗 GPT 로 과제 작성, 타인에게 챗 GPT 와 대화한 내용이 보이는 보안의 취약점이 발견되는 등이 있다. 챗 GPT 의 한계로는 실시간 학습 불가, 아는 것과 모르는 것의 구분 불가, 저작권 침해와 편향성과 같은 것이 있다. 본 논문이 챗 GPT 의 해결 가능한 문제를 신속하게 해결하고 남아있는 한계에 대한 잠재적인 해결책을 파악하는 데 도움이 되기를 기대한다.

최근 사람들의 건강에 대한 관심이 많아지고 다양한 운동 컨텐츠가 확산되면서 실내에서 운동을 할 수 있는 기회가 많아졌다. 하지만, 전문가의 도움없이 정확하지 않은 동작을 수행하다 큰 부상을 입을 위험성이 높다. 본 연구는 CNN 기반 요가 자세 분류 모델을 생성하고 설명가능 인공지능 기술을 적용하여 예측 결과에 대한 해석을 제시한다. 사용자에게 설명성과 신뢰성 있는 모델을 제공하여 자신에게 맞게 올바른 자세를 결정할 수 있고, 무리한 동작으로 부상을 입을 확률 또한 낮출 수 있을 것으로 보인다.

빅데이터 및 머신러닝 플랫폼을 구축하기 위해선 많은 하드웨어와 소프트웨어, 데이터 엔지니어가 필수인데, 초급 엔지니어들은 경험 부족으로 인해 기업의 수요를 충족시키지 못하고 있다. 본 논문에서는 초급 데이터 엔지니어가 쉽게 접근 가능한 오픈소스를 활용한 빅데이터 플랫폼과 머신러닝 플랫폼을 통합한 7개층으로 이루어진 '데이터 플랫폼'을 제안한다. 향후 제안하는 플랫폼의 현실적인 검증을 위해 계층간 연계가 얼마나 용이한지에 대해 후속연구가 필요하다.

대규모 언어 모델에 기반한 AI 챗봇인 ChatGPT 의 사용과 출력 품질을 개선하는 데 있어 Prompt Engineering 의 중요성이 확대되고 있다. Prompt Engineering 은 AI 모델에서 보다 정확하고 관련성 높은 응답을 생성하기 위해 프롬프트의 요소를 선택하고 구성하는 작업을 포함한다. 본 논문에서는 ChatGPT 에서 정보나 답변을 효과적으로 추출하는 데 사용할 수 있는 다양한 Prompt Engineering 기법을 소개하고 이러한 기법이 실제 시나리오에 어떻게 적용될 수 있는지에 대한 예를 제공한다.

CCTV가 범죄 예방 및 수사에 사용되는데, 수사를 위해 저화질 CCTV 영상에서 특정인의 얼굴 인식엔 어려움을 겪어 CCTV 본연의 역할의 희석된다. 따라서 본 논문은 저화질 영상을 고화질로 변환하여 얼굴 인식의 정확성을 높일 수 있는 알고리즘을 연구하는 것을 목적으로 한다. 기존에 연구된 인공지능 기반의 업스케일링 알고리즘을 분석하여 K-FACE 데이터셋에 적절한 모델을 제안한다. 이를 위해 2020년 이전과 이후의 AI 업스케일링 관련 연구를 비교 분석한다. 향후 제시된 모델을 대상으로 동일한 환경내에서 K-FACE 데이터셋을 학습시켜 통일된 기준의 지표 산출이 필요하다.

유치장은 피의자나 경범죄를 지은 사람 등을 잠시 수감하는 곳으로, 질서가 유지되어야 하는 공간이지만 수감자 간의 폭행과 같은 사건이 발생하는 문제가 있다. 따라서 유치장 내 폭행 사건의 신속한 대응은 질서를 유지하기 위한 핵심 과제 중 하나이다. 이 문제를 해결하기 위해 본 연구에서는 수감자들의 객체를 통합 바운딩박스의 변화율을 통해 격렬한 움직임을 포착하고 스켈레톤 키-포인트의 속도를 측정해 폭행인지 판단한다. 연구 결과, 제안하는 알고리즘의 정확도는 91%로 실시간 폭행 탐지에 유의미하다는 것을 확인할 수 있다.

최근 SNS 의 발달로 인해 자신의 감정을 빠르고 효과적으로 전달할 수 있는 이모지의 중요성이 커지고 있다. 하지만 이모지를 수동으로 생성하기 위해서 시간과 비용이 많이 들고 자신의 감정에 맞는 이모지를 찾아야 하며 해당 이모지가 없을 수 있다. 기존 DCGAN 을 활용한 이모지 자동 생성연구에서는 부족한 데이터셋으로 인해 G(Generator)와 D(Discriminator)가 동등하게 학습하지 못해서 두 모델 간 성능 차이가 발생한다. D 가 G 보다 최적해에 빠르게 수렴하여 G 가 학습이 되지 않아 낮은 품질의 이모지를 생성하는 불안정 문제가 발생한다. 이 문제를 해결하기 위해 본 논문에서는 Latent vector 분포를 데이터셋에 맞게 조정하여 적은 데이터로 G 에서 안정적으로 학습할 수 있게 하는 G 구조와 다양한 이모지 생성을 위한 Latent vector 평균 조정 기법을 제안한다. 비교 실험 결과 불안정 문제를 개선하였고 FID 와 IS 수치를 통해 성능 개선 효과를 검증했다.

최근 들어 극심한 가뭄이 지속됨에 따라 댐을 통한 물 수급에 어려움을 겪고 있다. 본 논문에서는 이러한 가뭄 상황에서 댐 자체 방류량 조절을 통해 낭비되고 있는 물을 절약하기 위한 기법을 제안한다. DQN 알고리즘을 사용해 방류량을 최적화하여 목표 저수량 이상의 상태를 60일간 유지하도록 설계하였으며, 해당 알고리즘 내 방류량의 가중치를 변경한 결과를 비교하여 그 성능을 분석하였다.

4차 산업혁명의 발달로 스마트공장 기술이 발달하면서, 딥 러닝을 활용한 공정 과정에서 나타나는 이상을 탐지하는 기술이 활발히 연구되고 있다. 하지만 공정 과정에서 발생하는 휘발성유기화합물(VOCs) 저감 설비에서 발생하는 이상을 탐지하기 위한 연구는 적극적으로 진행되고 있지 않다. 따라서 본 논문에서는 딥 러닝 기술을 이용하여 VOCs 저감설비에서 발생하는 이상을 탐지하고, 설명가능 인공지능(XAI)을 활용하여 이상에 큰 영향을 미치는 주요 설비를 특정하여 이상 발생 시 관리자가 용이하게 설비들을 관리할 수 있도록 하였다.

대규모 산불로 인한 재해가 최근 급증하고 있어 이에 대한 예방과 대응이 중요해지고 있다. 기존 산불 화재 예방에 대한 다양한 연구와 기술 적용이 있어 왔다. 그러나 예방과 대응에 한계가 있어 필요성과 기존 사례연구를 통해 인공지능 기반의 산불대응 재난 안전관리시스템 구축을 위한 제안을 7 단계로 구분하여 제시한다. 향후 제안시스템의 고도화를 위해 지속적인 다양한 연구와 데이터 수집과 분석 등 기술적인 연구와 함께 법과 제도에 대한 개선 논의도 필요하다.

In recent years, the growing popularity of dogs due to the benefits they bring their owners has contributed to the increase of the number of dogs raised. For owners, it is their responsibility to ensure their dogs' health and safety. However, it is challenging for them to continuously monitor their dogs' activities, which are important to understand and guarantee their wellbeing. In this work, we introduce a camera-based monitoring system to help owners automatically monitor their dogs' activities. The system receives sequences of RGB images and uses YOLOv7 to detect the dog presence, and then applies post-processing to perform dog-centered image cropping on each input sequence. The optical flow is extracted from each sequence, and both sequences of RGB and flow are input to a two-stream EfficientNet to extract their respective features. Finally, the features are concatenated, and a bi-directional LSTM is utilized to retrieve temporal features and recognize the activity. The experiments prove that our system achieves a good performance with the F-1 score exceeding 0.90 for all activities and reaching 0.963 on average.

최근 자연어처리 분야에서 의미론적 유사성을 반영하기 위한 대조 학습 (contrastive learning) 관련 연구가 활발히 이뤄지고 있다. 이러한 대조 학습의 핵심은 의미론적으로 가까워져야 하는 쌍과 멀어져야 하는 쌍을 잘 구축하는 것이지만, 기존의 손실 함수는 문장의 상대적인 유사성을 풍부하게 반영하는데 한계가 있다. 이를 해결하기 위해, 이전 연구에서는 삼중 항 손실 함수 (triplet loss)를 도입하였으며, 본 논문에서는 이러한 삼중 항을 구성하기 위해 대조 학습에서의 효과적인 토큰 컷오프(cutoff) 데이터 증강 기법을 제안한다. BERT, RoBERTa 등 널리 활용되는 언어 모델을 이용한 실험을 통해 제안하는 방법의 우수한 성능을 보인다.

전자금융거래 시장이 활발해지며 이에 따라 신용 카드 이상 거래가 증가하고 있다. 따라서 많은 금융 기관은 신용 카드 이상 거래 탐지 시스템을 사용하여 신용 카드 이상 거래를 탐지하고 개인 피해를 줄이는 등 소비자를 보호하기 위해 큰 노력을 하고 있으며, 이에 따라 높은 정확도로 신용 카드 이상 거래를 탐지할 수 있는 실시간 자동화 시스템에 대한 개발이 요구되었다. 이에 본 논문에서는 머신러닝 기법 중 부스팅 알고리즘을 사용하여 더욱 정확한 신용 카드 이상 거래 탐지 시스템을 제안하고자 한다. XGBoost, LightGBM, CatBoost 부스팅 알고리즘을 사용하여 보다 정확한 신용 카드 이상 거래 탐지 시스템을 개발하였으며, 실험 결과 평균적으로 정밀도 99.95%, 재현율 99.99%, F1-스코어 99.97%를 취득하여 높은 신용 카드 이상 거래 탐지 성능을 보여주는 것을 확인하였다.

Credit scoring is a technique used by financial institutions to assess the creditworthiness of potential borrowers. This involves evaluating a borrower's credit history to predict the likelihood of defaulting on a loan. This paper presents an ensemble of two Transformer based models within a framework for discriminating the default risk of loan applications in the field of credit scoring. The first model is FinBERT, a pretrained NLP model to analyze sentiment of financial text. The second model is FT-Transformer, a simple adaptation of the Transformer architecture for the tabular domain. Both models are trained on the same underlying data set, with the only difference being the representation of the data. This multi-modal approach allows us to leverage the unique capabilities of each model and potentially uncover insights that may not be apparent when using a single model alone. We compare our model with two famous ensemble-based models, Random Forest and Extreme Gradient Boosting.

생체 신호를 분석하여 사용자의 건강과 정신 상태를 예측하고, 관련 질병에 관해 예방하는 연구가 늘어나고 있다. 생체 신호 중 심박은 사람의 육체, 정신적인 상태를 반영하는 대표적인 신호이지만 기존의 접촉 패드를 통한 ECG나 광학 센서를 통한 PPG로 심박을 예측할 때는 구속적인 환경이 필요하여 일상적인 상황 속에 적용하기 어려웠다. 이러한 단점을 해결하고자 본 논문은 UBFC-RPPG 데이터셋의 동영상 프레임을 RGB 채널마다 다른 가중치를 적용하는 전처리를 하여 학습 데이터의 크기를 줄이면서 정확도를 높이고, 3D-CNN을 활용한 딥러닝으로 순간적인 영상에서도 PPG 신호를 예측할 수 있도록 1초 전처리 영상을 학습한 후, 신호를 예측하는 것을 목표로 한다. 이렇게 비접촉식으로 취득된 신호는 더 다양한 환경에서의 감정분류, 우울증 진단, 질병 감지 등 다양한 분야에 활용될 수 있다.

어텐션 메커니즘은 딥 뉴럴네트워크에 결합하여 언어 생성 모델에서 성능을 개선하였고, 이러한 성공은 다양한 신호처리 분야에 응용 및 확장되고 있다. 특정 입력 신호 부분에 선택적으로 집중함으로써, 어텐션 모델은 음성 인식, 이미지와 비디오 처리, 그리고 생체인식 등의 분야에서 더 높은 성능을 보여주고 있다. 어텐션 기반 모델은 심전도 신호를 이용한 개인식별 및 부정맥검출, 뇌파도 신호를 이용한 발작유형분류 및 수면 단계 분류, 근전도 신호를 이용한 제스처 인식 등에 사용되고 있다. 어텐션 메커니즘은 딥 뉴럴네트워크의 해석 가능성과 설명 가능성을 향상시키기 위해 사용되기도 한다. 신호 처리 분야에서의 어텐션 모델 연구는 지속적으로 진행 중이며, 다른 분야에서의 잠재력 탐구에 대한 관심이 높아지고 있다. 따라서 본 논문은 어텐션 메카니즘을 이용한 생체신호처리 연구 동향 분석을 수행한다.

센서 데이터를 예측 또는 분석하여 시스템을 제어하거나 모니터링할 수 있다. 센서 데이터를 이용한 예측의 신뢰성을 확보하기 위해서는 데이터의 적절한 빈도수가 중요하다. 이를 위해 본 논문에서는 Diffusion Model을 사용한 센서 데이터 주파수 보간을 통해 행동을 예측하는 방법을 제시하고자 한다. 주파수 보간은 반려동물 행동별 25hz 센서 데이터로 학습된 Diffusion Model을 사용한다. 학습된 Diffusion Model에 1hz 센서 데이터와 가우시안 노이즈를 결합한 데이터를 입력으로 사용해 센서데이터를 보간한다. 제안한 방법은 CNN-LSTM 모델 학습 후 예측 성능 비교를 통해 검증한다.

Covid19의 세계적 유행 이래로 긴 일정의 해외여행이 감소하고 국내 여행의 수요가 꾸준히 증가하는 추세이다. 현재 다수의 국내 여행 숙박 플랫폼은 가성비 측면으로 이용자가 숙박업소를 선택하고 소비자와 업체를 연결해주는 과정에서 수수료를 얻는 상업적 모델이다. 본 논문에서는 가격 경쟁 중심의 기성 시스템이 아닌, 여행자 개인의 가치를 맞춤화하고 공익의 목적으로 업체를 홍보하는 시스템을 제안한다. 이 시스템은 웹 기반의 시스템을 구현하여 여행자에게 개인 가치에 맞는 업소를 맞춤형으로 추천하고 해당 업소에 대한 평가 지표를 시각화하여 제공한다. 본 시스템은 맞춤형 업소 추천과 평가 지표 제공을 위해 소비자의 리뷰 데이터를 사용한다. 텍스트 데이터를 분석하고 해당 데이터를 다중 분류를 통해 업소에 대한 평가 지표별 점수를 산정한다. 본 시스템은 여행자에게 다양한 관광지와 관광 업소를 추천함으로써 지역 관광을 유도하고 해당 여행지 업소와 지역 경제에 도움을 줄 것이라고 기대된다. 본 논문에서 제안된 기법은 오픈소스로 공개되었다[1].

이미지 기반 폐기물 처리시스템에서 품목별 상이한 수집 난이도로 인해 발생하는 데이터 불균형으로 분류 모델 학습에 어려움이 따른다. 따라서 본 논문에서는 폐기물 분류 모델의 성능 비교를 통해 적합한 이미지 생성 모델을 탐색한다. 데이터의 불균형을 해결할 수 있도록 VAE(Variational Auto-Encoder), GAN(Generative Adversarial Networks) 및 Diffusion Model을 이용하여 이미지를 생성한다. 이후 각각의 생성 방법에 따라 학습데이터와 병합하여 객체 분류를 진행하였다. 정확도는 VAE가 84.41%로 3.3%의 성능 향상을, F1-점수는 Diffusion Model이 91.94%로 6.14%의 성능 향상을 이루었다. 이를 통해, 데이터 수집에서 나타나는 데이터 불균형을 해결하여 실 사용환경에 알맞은 시스템을 구축이 가능함을 확인하였다.

피트니스 분야 인공지능 서비스의 성능 개선을 AI모델 개발이 아닌 데이터셋의 품질 개선을 통해 접근하는 방식을 제안하고, 데이터품질의 성능을 평가하는 것을 목적으로 한다. 데이터 설계는 각 분야 전문가 10명이 참여하였고, 단일 시점 영상을 이용한 운동동작 자동 분류에 사용된 모델은 Google의 MediaPipe 모델을 사용하였다. 팔굽혀펴기의 운동동작인식 정확도는 100%로 나타났으나 팔꿉치의 각도 15° 이하였을 때 동작의 횟수를 인식하지 않았고 이 결과 값에 대해 피트니스 전문가의 의견과 불일치하였다. 향후 연구에서는 동작인식의 분류뿐만 아니라 운동량을 연결하여 분석할 수 있는 시스템이 필요하다.

스마트팩토리는 협동 로봇과 같은 프로그래머블한 설비의 유기적인 협업을 통해 최적화된 공정을 수행한다. 따라서 수집되는 센서 데이터의 특징과 환경 조건의 복잡도가 높아, 예지보전을 위한 AI 소프트웨어의 개발 시 요구사항 기반의 체계적인 개발 및 검증이 필수적이다. 본 논문에서는 AI 소프트웨어의 요구사항을 사용자와 시스템 관점에서 정의하고, AI 모델 개발 프로세스와 스마트팩토리 예지보전 측면에서 분석한다. 도출된 요구사항을 CNN 기반의 협동 로봇 기어 마모 예측 모델의 개발에 적용하여 데이터 관리와 모델 신뢰성 관점의 요구사항을 분석 및 검증하였다.

Sentiment analysis as part of natural language processing (NLP) has received much attention following the demand to understand people's opinions. Aspect-based sentiment analysis (ABSA) is a fine-grained subtask from sentiment analysis that aims to classify sentiment at the aspect level. Throughout the years, researchers have formulated ABSA into various tasks for different scenarios. Unlike the early works, the current ABSA utilizes many elements to improve performance and provide more details to produce informative results. These ABSA formulations have provided greater challenges for researchers. However, it is difficult to explore ABSA's works due to the many different formulations, terms, and results. In this paper, we conduct a comparative analysis of recent studies on ABSA. We mention some key elements, problem formulations, and datasets currently utilized by most ABSA communities. Also, we conduct a short review of the latest papers to find the current state-of-the-art model. From our observations, we found that span-level representation is an important feature in solving the ABSA problem, while multi-task learning and generative approach look promising. Finally, we review some open challenges and further directions for ABSA research in the future.

반려동물의 건강 상태를 파악하기 위해서 수면 패턴을 모니터링하는 것은 중요하다. 본 논문에서는 6축 센서 데이터를 활용하여 수면 패턴을 모니터링하고, 이를 바탕으로 설계된 헬스케어 시스템을 제안한다. 이 시스템은 크게 데이터 수집, 행동 분류, 수면 패턴 모니터링으로 구성된다. 6축 센서 데이터와 ResNet-LSTM을 통해 반려동물의 행동(두 발로 서다, 네 발로 서다, 걷다, 킁킁대다, 뒷다리만 앉다, 엎드리다, 모든 발이 앉다, 놀다, 빠르게 걷다)을 분류하고, 분류된 행동을 활용하여 수면패턴을 분석한다. 이를 통해 수면 이상을 확인하고 반려동물의 건강 상태를 간접적으로 평가하여 적절한 처치 및 관리하고자 한다.

The accurate prediction of User Equipment (UE) paths in wireless networks is crucial for improving handover mechanisms and optimizing network performance, particularly in the context of Beyond 5G and 6G networks. This paper presents a comprehensive evaluation of unidirectional and bidirectional recurrent neural network (RNN) architectures for UE path prediction. The study employs a sequence-to-sequence model designed to forecast user paths in a wireless network environment, comparing the performance of unidirectional and bidirectional RNNs. Through extensive experimentation, the paper highlights the strengths and weaknesses of each RNN architecture in terms of prediction accuracy and computational efficiency. These insights contribute to the development of more effective predictive path-based mobility management strategies, capable of addressing the challenges posed by ultra-dense cell deployments and complex network dynamics.

반려동물 웨어러블 시장의 성장함에 따라 반려동물의 행동 패턴을 측정하고 분석할 수 있는 센서데이터가 활용되고 있다. 본 논문에서는 반려동물 수면 패턴 모니터링을 위한 행동 분류 모델을 제안한다. 6축 센서 데이터를 활용한 가속도 및 자이로센서 데이터를 입력 데이터로 사용한다. 제안된 모델은 ResNet을 통해 시간에 따라 가속도 및 자이로센서 데이터의 특징을 추출한 후 LSTM을 사용하여 시계열 정보를 고려한 행동 분류를 수행한다. 이러한 과정을 통해 정확한 행동 패턴 분석이 가능하게 되며 반려동물의 건강 관리 및 수면 질 개선에 기여할 것으로 기대한다.

최근 스마트폰과 같은 디지털 기기의 보급과 함께 개인화, 맞춤형 서비스의 수요가 늘어나면서 추천 서비스가 주목을 받고 있다. 세션 기반(Session based) 추천 시스템은 사용자의 아이템 선호에 따른 순서 정보를 고려한 학습 추천 모델로, 다양한 산업 분야에서 사용되고 있다. 세션 기반 추천 시스템 중 SASRec(Self-Attentive Sequential Recommendation) 모델은 MC/CNN/RNN 기반의 기존 여러 순차 모델들에 비하여 효율적인 성능을 보인다. 본 연구에서는 SASRec 모델의 하이퍼파라미터 중 배치 사이즈(Batch Size), 학습률 (Learning Rate), 히든 유닛(Hidden Unit)을 조정하여 실험함으로써 하이퍼파라미터에 의한 성능 변화를 분석하였다.

3차원 포인트 클라우드의 의미적 분할은 환경을 구성하는 물체 단위로 포인트 클라우드를 분할하는 작업으로서, 환경의 3차원적 구성을 이해하고 환경과 상호작용에 필수적인 시각 지능을 요구한다. 본 논문에서는 포인트 클라우드에서 추출하는 3차원 기하학적 특징과 함께 멀티-뷰 영상에서 추출하는 2차원 시각적 특징들도 활용하는 새로운 3차원 포인트 클라우드 의미적 분할 모델 MFNet을 제안한다. 제안 모델은 서로 이질적인 2차원 시각적 특징과 3차원 기하학적 특징의 효과적인 융합을 위해, 새로운 중기 융합 전략과 멀티-모달 교차 주의집중을 이용한다. 본 논문에서는 ScanNetV2 벤치마크 데이터 집합을 이용한 다양한 실험들을 통해, 제안 모델 MFNet의 우수성을 입증한다.

코로나 19 이후 트렌드에 민감한 MZ 세대가 패션을 선도하면서 다양한 패션이 출현하여 사람들의 선택지를 확장하고 있으며 패션에 관심을 갖고 의상을 구매하는 사례가 증가함에 따라 사람들은 자신을 돋보이게 해주는 의상을 선택하는데 많은 시간을 할애한다. 본 논문에서 개인의 피부 톤, 눈색, 머리색을 분석하여 추출한 퍼스널 컬러를 기반으로 염색된 개인 맞춤 의상을 제공하는 시스템을 제안한다. 기존에 염색공정 시스템의 한계점을 해결하기 위해 딥러닝 모델을 기반으로 원단 염색을 고도화하고 개인 맞춤형 의상 제작의 새로운 제안으로 의류산업에 변화를 주고자 한다. 향후 제안한 시스템의 현실적인 검증과 성능 평가가 필요하다.

딥러닝은 인간이 탐지하기 어려운 데이터의 특징 및 패턴을 인지하고, 이들을 학습하여 데이터를 분류 및 예측할 수 있는 기술이다. 그러나 딥러닝 모델을 잘 학습시키기 위해서는 고품질의 대용량 데이터와 이들을 처리할 수 있는 방대한 컴퓨터 자원이 요구되는 것이 일반적이다. 따라서 소량의 데이터만이 존재하는 분야나 컴퓨터 자원이 한정되어 있는 상황에서는 딥러닝을 적용하기 어렵다. 본 논문에서는, 소량의 데이터로도 모델을 자신들의 태스크에 맞게 최적화시킬 수 있는 메타러닝에 대해 소개하고, 메타 러닝 기법들의 방향에 따른 Metric-Based, Model-Based 및 Optimization 기반 모델들에 대해 소개하고, 앞으로 나아가야 할 연구 방향에 대해 제시한다.

데이터의 균형은 객체 인식 분야에서 영향을 미치는 요인 중 하나이다. 본 논문에서는 폐기물 데이터 균형을 위해 Chat-GPT와 Diffusion model 기반 데이터 생성 모델을 제안한다. Chat-GPT를 사용하여 폐기물의 속성에 해당하는 단어를 생성하도록 질문하고, 생성된 단어는 인코더를 통해 벡터화시킨다. 이 중 폐기물과 관련 없는 단어를 삭제 후, 남은 단어들을 결합하는 전처리 과정을 거친다. 결합한 벡터는 디코더를 통해 텍스트 데이터로 변환 후, Stable Diffusion model에 입력되어 텍스트와 상응하는 폐기물 데이터를 생성한다. 이 데이터는 AI Hub의 공공 데이터를 활용하며, 객체 인식 모델인 YOLOv5로 학습해 F1-score와 mAP로 평가한다.

본 논문에서는 소셜 미디어 약물 리뷰 데이터로부터 약물 이상 반응을 탐지하는 모델인 FC-BERT 를 기반으로 소셜 네트워크 분석을 활용하여 웹 애플리케이션을 구현하였다. FC-BERT 모델을 거쳐 나온 개체명 인식 결과 중에 같은 의미를 가진 서로 다른 약물 이상 반응 표현들을 MedDRA 부작용 사전을 참고하여 하나의 MedDRA 용어로 표준화하여 매핑했다. 해당 결과에 소셜 네트워크 분석 기법을 적용하여 생성한 상위 15 개의 ADR 동시 출현 그래프를 상위 30 개의 워드 클라우드와 함께 시각화하여 보여주는 웹 애플리케이션을 개발했다. 동시 출현 그래프는 가장 많은 리뷰에서 동시에 나타나는 ADR 쌍을 보여준다. 본 논문에서 제안한 웹 애플리케이션은 사람마다 다르게 나타나는 다양한 약물 이상 반응을 사용자에게 좀 더 접근성이 좋게 제공할 수 있을 것으로 보인다.

그래프 데이터는 데이터간의 관계를 효율적으로 분석할 수 있으며, 뛰어난 확장성, 다양한 종류의 데이터들을 쉽게 표현할 수 있어 화학, 의학, 추천시스템등 다양한 분야에 적용하려는 사례가 늘고 있다. 이러한 그래프 데이터를 머신러닝기법에 쉽게 사용할 수 있도록 적용된 것이 GNN모델이다. 그 중 Convolultion기법을 적용한 ConvGNNs 모델이 추천 시스템 등 다양한 분야에서 많이 연구 되고 있다. 본 논문은 실험을 통해 상이한 데이터셋 환경에서 Convolution 그래프 기반 모델들의 성능을 비교하였다.

본 논문은 상담 직업 분야에 인공지능 기술을 도입했을 때의 사례를 분석하고 상담직업의 발전방안을 제시한다. 상담 직업의 역할과 중요성을 살펴보고, 상담을 할 때 심리적인 요인으로 원활한 상담 진행이 어려웠던 부분에 인공지능 기술을 도입하는 방안을 제시한다. 인공지능 기술을 도입했을 때 상담사의 심리적인 요소에 소비되었던 비용은 줄이고 기존 상담 데이터 분석을 통한 상담 전략 수립에 도움을 주는 등의 상담도구를 발전시키는 방안을 수립하여 인공지능 기술을 통해 상담 직업이 어떻게 발전될 수 있는지 살펴본다.

본 논문은 정확하면서도 효율적인 한국어 문장 분류 기법에 대해서 논의한다. 최근 자연어처리 분야에서 사전 학습된 언어 모델(Pre-trained Language Models, PLM)은 미세조정(fine-tuning)을 통해 문장 분류 하위 작업(downstream task)에서 성공적인 결과를 보여주고 있다. 하지만, 이러한 미세조정은 하위 작업이 바뀔 때마다 사전 학습된 언어 모델의 전체 매개변수(model parameters)를 학습해야 한다는 단점을 갖고 있다. 본 논문에서는 이러한 문제를 해결할 수 있도록 도메인 적응기(domain adapter)를 활용한 한국어 문장 분류 프레임워크인 DAKS(Domain Adaptation-based Korean Sentence classification framework)를 제안한다. 해당 프레임워크는 학습되는 매개변수의 규모를 크게 줄임으로써 효율적인 성능을 보였다. 또한 문장 분류를 위한 특징(feature)으로써 한국어 사전학습 모델(KLUE-RoBERTa)의 다양한 은닉 계층 별 은닉 상태(hidden states)를 활용하였을 때 결과를 비교 분석하고 가장 적합한 은닉 계층을 제시한다.

폐암은 전 세계적으로 사망률이 가장 높은 암 질환으로, 조기 발견 및 신속한 치료를 위해서는 흉부 X-ray 영상 내 악성 결절을 놓치지 않는 것이 중요하다. 그러나 흉부 X-ray 영상은 정밀도의 한계로 진단 결과에 대한 신뢰도가 낮아, 이를 보조하는 도구의 개발이 요구된다. 기존의 폐암 진단 보조 도구는 학습 기반의 기법으로, 진단 결과에 대한 설명성(explainability)이 없다는 위험성을 갖는다. 이에 본 논문에서는 통계 분석에 기반한 결절의 석회화 여부 진단 기법을 제안한다. 제안하는 기법은 결절과 해부학적 구조물의 밝기 차 분포로부터 석회화 여부를 판단하며, 그 결과 민감도 65.22%, 특이도 88.48%, 정확도 83.41%의 성능을 보였다.

최근 대규모 언어모델 (large language models) 을 활용하여 다양한 자연어처리 문제를 추가학습 없이 풀어내기 위한 zero-shot 학습에 대한 연구가 활발히 수행되고 있다. 특히 프롬프트 튜닝(prompt tuning)을 활용하여 적은 학습만으로도 효과적으로 다양한 태스크에 적응하도록 돕는 방법이 최근 대규모 언어모델의 성능을 향상시키고 있다. 본 논문은 명령어 튜닝 (instruction tuning) 이 언어모델에 끼치는 영향을 분석하였다. 명령어 튜닝된 모델이 기존 언어모델과 비교하여 변화된 문장 생성 특징, 생성된 문장의 품질 등에 대한 분석을 수행하고 결과를 제시한다.

Bone age assessment is a crucial task in pediatric radiology for assessing growth and development in children. In this paper, we explore the potential of Vision Transformer, a state-of-the-art deep learning model, for bone age assessment using X-ray images. We generate heatmap outputs using a pre-trained Vision Transformer model on a publicly available dataset of hand X-ray images and show that the model tends to focus on the overall hand and only the bone part of the image, indicating its potential for accurately identifying the regions of interest for bone age assessment without the need for pre-processing to remove background noise. We also suggest two methods for extracting the region of interest from the heatmap output. Our study suggests that Vision Transformer holds great potential for bone age assessment using X-ray images, as it can provide accurate and interpretable output that may assist radiologists in identifying potential abnormalities or areas of interest in the X-ray image.

불균형 데이터의 분류의 성능을 향상시키기 위한 앙상블 구성 방법에 관하여 연구한다. 앙상블의 성능은 앙상블을 구성한 기계학습 모델 간의 상호 다양성에 큰 영향을 받는다. 기존 방법에서는 앙상블에 속할 모델 간의 상호 다양성을 높이기 위해 Feature Engineering 을 사용하여 다양한 모델을 만들어 사용하였다. 그럼에도 생성된 모델 가운데 유사한 모델들이 존재하며 이는 상호 다양성을 낮추고 앙상블 성능을 저하시키는 문제를 가지고 있다. 불균형 데이터의 경우에는 유사 모델 판별을 위한 기존 다양성 지표가 다수 클래스에 편향된 수치를 산출하기 때문에 적합하지 않다. 본 논문에서는 기존 다양성 지표를 개선하고 가지치기 방안을 결합하여 유사 모델을 판별하고 상호 다양성이 높은 후보 모델들을 앙상블에 포함시키는 방법을 제안한다. 실험 결과로써 제안한 방법으로 구성된 앙상블이 불균형이 심한 데이터의 분류 성능을 향상시킴을 확인하였다.

ESG 경영이 중요해짐에 따라 기업의 분식 여부도 중요해졌다. 따라서 본 논문에서는 인공신경망과 랜덤포레스트를 활용하여 기업의 분식회계 여부를 판단 성능을 비교분석하고 그 유용성에 대해 평가하였다. 실제 기업 회계정보를 수집하여 실험을 수행하였고, 실험 결과 F1-Score 기준 랜덤포레스트의 RFECV 기법이 0.81로 분식 기업을, SMOTE 기법을 사용한 모델이 정상 기업을 탐지하였고 Accuracy 기준 랜덤포레스트의 RFECV 기법과 SMOTE 기법을 사용한 모델이 0.77로 가장 효과적인 탐지 성능을 보여주었다.

최근 ChatGPT 를 각 분야에 활용하는 연구가 활발하게 이루어지고 있다. ChatGPT 는 최신 자연어 처리 모델로, 텍스트를 통해 입출력을 진행한다. 본 논문에서는 이러한 ChatGPT 를 활용하여 영상을 효과적으로 요약할 수 있는 새로운 접근 방식을 제시한다. STT 기술을 사용하여 영상의 자막에 대한 텍스트 파일을 추출하고 이를 ChatGPT 로 요약한다. 최종적으로 기존 텍스트와의 유사도 분석을 통해 유사도가 높은 부분을 선택하여 영상을 편집하고 요약한다.

Gale-Shapley 알고리즘의 한계를 보완하기 위해 개체명 인식(Named Entity Recognition, 이하 NER) 기술을 활용한 보완된 알고리즘 방법을 제안한다. 이를 통해 개인의 성향과 관심사를 고려하여 매칭 결과를 더욱 정확하고 효율적으로 도출할 수 있다. 이 방법은 다수의 그룹원을 가진 두 그룹 간의 매칭, 특히 1:N 매칭의 문제를 해결하는 방식을 제안한다.

본 논문에서는 한국어 데이터와 모델링, 추가 평가 지표를 통해 Text Summarization 분야에서 한국어로 좋은 성능을 내기 위한 방식을 제안한다. KoBART의 크기를 키우고 PEGASUS의 GSG를 사용하는 KoBART-GSG 모델을 제안한다. 이때 ASR 모델을 사용하여 한국어 데이터를 구축하고 추가 학습을 진행한다. 또한, 생성된 요약문과 원문에서 Attention 기법으로 키워드와 핵심 문장을 추출하여 지능형 텍스트를 구성하는 새로운 방식을 제안한다. ASR Open API와 제안한 방식을 사용하여 오디오 파일을 텍스트로 변환하고 요약하는 강의나 회의 등 학계와 산업에서 사용할 수 있는 서비스를 제공한다.

코로나 진행중에 오른 집값들과 월세는 학생들 또는 직장인들에게 크나큰 부담으로 다가오고 있다. 따라서 본 논문에서는 '구해줘 룸메즈' 플랫폼을 통하여 사용자들이 경제적 부담을 룸메이트와 나누며 추가로 성향 분석을 사용해 제약사항을 줄여주려 한다. User-based 협업 필터링의 문제점을 보완하고자 본 논문에서는 Item-based 협업 필터링을 통한 방식을 제안한다. 본 논문은 많은 2,30 대 청년들의 자취 혹은 독립 생활에 대한 금전적 부담감을 덜어줄 것으로 기대한다.

본 연구는 대화 중 생체신호 데이터를 활용하여 감정 인식 분야에서 더욱 정확하고 범용성이 높은 인식 기술을 제안한다. 이를 위해, 먼저 대화별 길이에 따른 측정값의 개수를 동일하게 조정하고 효과적인 생체신호 데이터의 조합을 비교 및 분석하기 위해 차원 축소 기법인 T-SNE (T-distributed Stochastic Neighbor Embedding)을 활용하여 감정 라벨의 분포를 확인한다. 또한, AutoML (Automated Machine Learning)을 이용하여 축소된 데이터로 감정을 분류 및 각성도와 긍정도를 예측하여 감정을 가장 잘 인식하는 생체신호 데이터의 조합을 발견한다.

In this study, we embark on a journey to uncover the essence of emotions by exploring the depths of transfer learning on three pre-trained transformer models. Our quest to classify five emotions culminates in discovering the KLUE (Korean Language Understanding Evaluation)-BERT (Bidirectional Encoder Representations from Transformers) model, which is the most exceptional among its peers. Our analysis of F1 scores attests to its superior learning and generalization abilities on the experimental data. To delve deeper into the mystery behind its success, we employ the powerful SHAP (Shapley Additive Explanations) method to unravel the intricacies of the KLUE-BERT model. The findings of our investigation are presented with a mesmerizing text plot visualization, which serves as a window into the model's soul. This approach enables us to grasp the impact of individual tokens on emotion classification and provides irrefutable, visually appealing evidence to support the predictions of the KLUE-BERT model.

최근 농가 인구의 고령화 심화로 인한 농업 인력 감소로 농업 지속 가능성이 위협받고 있다. 국내 농가의 주요 형태인 시설 재배지에서는 병해에 의한 연쇄 피해가 발생할 수 있으므로 농업 생산성 증대를 위해 병해의 조기 진단이 필요하다. 본 논문에서는 병해의 조기 진단과 대처를 위해 YOLOv5를 이용한 딸기 병해 진단 모델을 제작, 데이터셋과 학습 세부사항에 변화를 주며 실험하였다. 실험 결과 데이터셋과 epochs 증량은 모델 성능에 영향을 주지만 임계점에 다다르면 성능 향상에 도움이 되지 않는 것을 알 수 있었다. 한편 학습한 모델 중 가장 좋은 성능을 가진 모델의 경우 F1 Score 0.98, mAP 0.99를 나타내 높은 정확도로 딸기의 병해 여부 진단이 가능하였다.

딥러닝 기반 성별 및 연령 추정은 현재 다양한 응용분야에 적용하기 위하여 활발히 연구되어 왔다. 최근 몇몇 기업에서는 개인정보 보호의 문제로 성별 추정 서비스를 중단하고 있기는 하나, 사용자 및 관람객의 특성 분석등을 위하여 그 필요성이 계속하여 대두되고 있는 상황이다. 본 논문은 기존에 성별 및 나이 추정을 위한 유료서비스에 대한 특성과 사용 문제점 등을 세분화하여 조사하고 성별 및 연령 추정 기반 기존 연구들의 특성을 분석한다. 추후 이 서비스를 기반으로 전시 · 컨벤션 산업에서의 관심도 분석 및 재방문 의사를 파악하는데 활용하고자 한다.

최근들어 청원 시스템은 사람들의 다양한 의견을 반영하고 대응하기 위한 중요한 수단으로 부상하고 있다. 그러나 많은 양의 청원 글들을 수작업으로 분류하는 것은 매우 시간이 많이 소요되며, 인적 오류가 발생할 수 있는 문제점이 존재한다. 이를 해결하기 위해 자연어처리(NLP) 기술을 활용한 청원 분류 시스템을 개발하는 것이 필요하다. 본 연구에서는 BERT(Bidirectional Encoder Representations from Transformers)[1]를 기반으로 한 텍스트 필터링 시스템을 제안한다. BERT 는 최근 자연어 분류 분야에서 상위 성능을 보이는 모델로, 이를 활용하여 청원 글을 분류하고 분류된 결과를 이용해 해당 글의 노출여부를 결정한다. 본 논문에서는 BERT 모델의 이론적 배경과 구조, 그리고 미세 조정 학습 방법을 소개하고, 이를 활용하여 청원 분류 시스템을 구현하는 방법을 제시한다. 우리가 제안하는 BERT 기반의 텍스트 필터링 시스템은 청원 글 분류를 자동화하고, 이에 따른 대응 속도와 정확도를 향상시킬 것으로 기대된다. 또한, 이 시스템은 다양한 분야에서 응용 가능하며, 대용량 데이터 처리에도 적합하다. 이를 통해 대학 청원 시스템에서 혐오성 발언 등 부적절한 내용을 사전에 방지하고 학생들의 의견을 효율적으로 수집할 수 있는 기능을 제공할 수 있다는 장점을 가지고 있다.

엔데믹 시대, 외식 비중이 증가하고 온라인 커뮤니티를 중심으로 인기있는 식당에 대한 공유가 활발하게 일어나며 특정 식당으로 쏠리는 현상 심화, 주요 시간대에 식사를 하기 위해 줄을 서거나 아예 헛걸음을 하는 경우가 많아지고 있다. 본 연구에서는 대부분의 식당에 설치되어 있는 CCTV에서 촬영 이미지를 활용해서 딥러닝을 활용한 Data Labeling을 시행, 현재 식당의 남은 자리를 분석하여 사용자에게 전달하는 프로젝트에 대한 방식을 서술한다. Client를 통해 사용자는 실시간으로 특정 식당의 남은 좌석 수를 확인할 수 있고, 이 정보를 바탕으로 해당 식당에 방문할지 말지를 결정할 수 있을 것이다. 프로젝트 진행에 앞서 데이터를 분석하는 딥러닝 모델인 YOLO에 대해 분석하였고, 각 버전에 대해 특징을 비교 및 대조, 본 프로젝트에 적합한 버전으로 YOLOv5s를 선정하였다.

이 논문은 서비스를 제공하는 로봇과 사용자가 상호작용하는 새로운 방식의 XR 인터페이스를 제안한다. 사용자는 제안한 XR 인터페이스를 통해 현실을 모사한 XR 공간 내에서 서비스 로봇에게 직관적으로 서비스 작업이나 공간 이동을 요청하고, 요청한 작업을 편리하게 관리할 수 있다. 이러한 명령, 이동, 편집은 용이하게 전환된다. HTC VIVE 와 Unity 엔진을 사용하여 프로토타입을 구현하였다. 추후 인터페이스를 실제 로봇 시스템과 통합하고, 사용자 테스트를 수행하여 사용성 향상을 검증하고자 한다.

가속화되는 인구 감소와 COVID-19로 인하여 지방 도시 쇠퇴 현상이 심화되고 있다. 한편, 지역 활성화의 핵심 전략이자 수단이 되는 관광 산업은 트렌드에 맞는 새로운 컨텐츠가 부족하여 어려움을 겪고 있다[1]. 본 논문에서는 이러한 문제를 해결해보고자 가상현실(VR)과 증강현실(AR) 기술을 적용한 새로운 관광 컨텐츠를 제안한다. 실제 도시를 3D 모델링 한 배경과 3D 페인팅 기능을 통해 작품 만들기 서비스를 구현하였고, GPS 기능과 AR 카메라를 통해 작품 관람하기 서비스를 구현하였다. 이 프로그램은 메타버스 기술을 적용한 관광 컨텐츠의 사례로써 향후 지방 도시 활성화에 기여할 것으로 기대한다.

본 논문에서는 Unity3D 엔진을 이용하여 과거와 현재를 연결하는 내용에 기반한 미디어아트 콘텐츠를 구현하였다. Super Zoom Neural Filters를 사용하여 이미지의 화질을 개선하였으며 Neural Style Transfer를 사용하여 현대 건물을 민속화 스타일로 변환시켰다. 이 작품은 과거와 현재가 연결되는 미디어아트 작품으로서의 의의를 찾을 수 있으며 민속화 활용 미디어아트의 사례로 평가받을 수 있다고 생각한다.

동양화 중 산수화는 작가의 회화적 재구성에 기반한 일종의 가상공간이라고 할 수 있다. 실제 북악산·인왕산의 명승명도를 상세하게 묘사한 <백운동>에 실제 지형정보를 대입하여 2.5D 콘텐츠를 구현한 것은 흥미로운 주제라 할 것이다. 본 연구에서는 국토지리정보원에서 제공하는 지형 데이터를 활용하여 <백운동> 그림의 2.5D 콘텐츠를 제작하였다. 이러한 결과를 바탕으로, 향후에는 터치 기반 인터페이스를 통해 인터랙티브 콘텐츠를 구현하거나 AR/VR 기술을 활용하여 현실감 있는 체험을 제공할 수 있을 것으로 기대된다.

Covid-19 팬데믹 같은 상황에서 대면 학교 투어 프로그램의 제한적인 문제점을 보완하고, 학생들이 가상 공간에서 새로운 경험을 할 수 있는 가능성을 SketchUp에서 모델링, Unity에서 캐릭터 생성 및 인터랙션을 구현 및 제공하여 지리적 위치 파악을 쉽게 하여 길찾기의 편의성을 제공한다.

Facial Action Units Detection (FAUs) problem focuses on identifying various detail units expressing on the human face, as defined by the Facial Action Coding System, which constitutes a fine-grained classification problem. This is a challenging task in computer vision. In this study, we propose a Prompt Tuning approach to address this problem, involving a 2-step training process. Our method demonstrates its effectiveness on the Affective in the Wild dataset, surpassing other existing methods in terms of both accuracy and efficiency.

본 논문에서는 대퇴골의 3D 메쉬 모델에 대해 원통형 좌표계(cylindrical coordinate system)를 생성하는 방법을 제안한다. 원통형 좌표계는 대퇴골 메쉬의 방향에 따라 장축 및 단축을 결정한 뒤, 대퇴골을 포함하는 원통(right circular cylinder)을 계산하여 생성된다. 실험을 통해, 생성된 원통형 좌표계에서 균일하게 생성한 삼각형 메쉬(triangular mesh)를 대퇴골 메쉬에 투사한 결과를 보인다.

음원별 음량 차이가 심하여 청각적 불편함을 초래하는 상황을 음량정규화 기술을 통해 완화하려고 한다. 그러나 현재 상용화된 관련 기술을 보면 대부분 음량을 조정하는 경우에 음원의 품질을 보장할 수 없거나, 반대로 음원의 품질을 보장하는 경우에 음량 조정이 지극히 미세한 수준이다. 또한 음원 제공 플랫폼이나 음원의 형태에 따라 적용 가능한 대상이 제한되는 문제도 존재한다. 이러한 품질 문제를 해결하기 위해 본 논문에서는 쾌적최대음량(CML)과 절대음량 체계를 도입하고 음원 손실을 최소화한 음량평준화 시스템을 제안한다. 그리고 일반적인 음원 파일뿐만 아니라 실시간 스트리밍 콘텐츠의 음원을 음량정규화할 수 있도록 설계하여 기존 상용 기술의 대상 제한 문제를 완화하고자 한다. 본 논문은 청자 혹은 서비스 이용자의 만족스러운 음원 감상에 기여한다는 점에서 의의를 가진다.

객체 인식 연구에 있어서 딥러닝 기반의 사람 인식에 있어서 많은 연구들이 공개되고 있다. 특히 화재사고에 있어서 연기로 인해 가시성이 떨어져 인명구조에 어려움이 발생한다. 이에 열화상 카메라와 딥러닝을 통해 사람을 인식하는 기술이 연구되고 있다. 기존 연구에서는 열화상 카메라와 YOLO 딥러닝을 통해 사람을 인식하는데 95%의 성능을 보였지만, YOLO는 그리드 셀에서 하나의 분류만하기 때문에 물체에 가려진 사람을 판별하는데 정확도가 낮았다. 본 논문에서는 이와 같은 한계를 극복하기 위해 기존 Faster R-CNN 알고리즘을 사용한다. 신체부위 Guided Attention mechanism을 사용하여 가중치를 준 Feature Map을 RPN에 적용시켜 학습모델을 구현한다면 더 높은 정확도를 얻을 수 있다. 향후 본 논문에서 제안하는 기법은 많은 실험과 다양한 데이터 셋을 통해 실질적인 검증을 할 예정이다.

타브(TAB) 악보는 주로 현악기에서 쓰이는 악보로, 일반적으로 생각하는 오선보 대신 악기의 줄 수만큼 선을 긋고 그 선 위에 프렛의 위치를 숫자 또는 문자로 표기한 형식의 악보이다. 본 논문에서는 입력된 PDF 형식의 타브 악보에서 OpenCV 를 사용하여 음표 및 악상 기호를 인식하는 시스템을 제안한다. 이 시스템은 사용자가 인식을 원하는 PDF 형식의 악보를 입력하면 PDF 파일을 PNG 파일로 변경한 뒤, 이를 OpenCV 를 활용하여 음표의 길이, 프렛의 위치 등 연주에 필요한 요소들만 객체 검출한 뒤 Tesseract 로 인식한다.

깃허브는 개발자의 명함이라는 말이 있듯, 많은 수의 개발자들이 깃허브를 활용해 자신의 개발 이력과 프로젝트들을 관리한다. 이를 위해 기존의 깃허브 정보 요약 서비스들이 제공되어졌으나, 정보 공유의 불편함과 많은 정보를 담지 못한다는 불편함이 존재했다. 본 논문에서는 이러한 불편함을 해소하기 위해 서버 기반의 깃허브 웹 명함 제작 및 멀티플랫폼에서의 서비스를 기반으로 한 효율적인 개발자 명함 생태계 구축을 제안한다. 본 서비스에서는 Next.js 기술을 활용한 한 명함 제작 및 웹, 앱 클라이언트를 통한 명함 관리 기능을 제공한다. Github oauth를 통해 인증된 정보를 바탕으로 Next.js를 활용해 사용자에 대한 정보를 정해진 형식으로 요약한 명함을 제작한다. 제작된 명함은 웹 / 앱 플랫폼을 기반으로 관리되며, 추가적으로 명함의 공유 및 저장 기능을 수행한다. 이를 통해, 명함 공유를 바탕으로 한 개발자 네트워크 형성을 목표로 한다.

Facial expression recognition technology's rapid growth and development have garnered significant attention in recent years. This technology holds immense potential for various applications, making it crucial to stay up-to-date with the latest trends and advancements. Simultaneously, it is essential to identify and address the challenges that impede the technology's progress. Motivated by these factors, this study aims to understand the latest trends, future directions, and challenges in facial expression recognition technology by utilizing text mining to analyze papers published between 2020 and 2023. Our research focuses on discerning which aspects of these papers provide valuable insights into the field's recent developments and issues. By doing so, we aim to present the information in an accessible and engaging manner for readers, enabling them to understand the current state and future potential of facial expression recognition technology. Ultimately, our study seeks to contribute to the ongoing dialogue and facilitate further advancements in this rapidly evolving field.

본 논문에서는 손가락 관절의 운동범위와 MediaPipe 손 추적기를 이용하여 3 차원 손 추적 방법을 설계하였다. MediaPipe 손 추적기가 추정한 신뢰할 수 있는 2 차원 좌표를 바탕으로 손 랜드마크의 깊이를 추정한 후, 손가락 관절 운동범위와 부합한 결과를 도출하였다. 본 논문에서 제안한 3 차원 손 추적 방법은 전용 하드웨어 없이 동작하며 기존의 3 차원 손 추적기에 비해 보다 직관적인 인간-컴퓨터 인터페이스 확산에 긍정적 영향을 줄 것으로 기대한다.

본 연구는 GPT-3.5 와 GPT-4 를 대상으로 완전성과 일관성 측면에서 코딩 협업 환경에 어떤 버전이 더 적합한지 평가하는 것을 목표로 한다. 두 버전을 대상으로 실험한 결과, GPT-4 가 GPT-3.5보다 완전성과 일관성 측면에서 더 높은 성능을 보였다. 특히 GPT-4 는 모든 항목들에서 100%의 완전성을 보였으나, 일관성은 여전히 개선이 필요함을 확인하였다. 프롬프트 수정만으로는 한계가 있으며, GPT-4 자체의 업그레이드가 필요하다는 의미이며, 향후 연구를 통해 타 생성형 AI 의 성능들도 평가할 예정이다.

본 논문에서는 좌표를 이용하여 두 지점 이상의 장소의 중간 지점을 찾는 알고리즘을 비교 분석한다. 그 중 정확성과 실행 속도가 높은 알고리즘을 사용하여 하나의 중간 지점을 계산한다. 이를 기반으로 중간 지점 주변의 음식점 정보를 제공하는 서비스를 개발한다. 단순한 정보 제공에서 나아가 여러 기준으로 추천된 장소 정보를 제공하여 사용자에게 편리함을 제공하고자 한다. 이로써 해당 서비스는 지리 정보 시스템 등의 분야에서 활용될 수 있을 것으로 기대한다.

이 논문에서는 웹 크롤링과 인공지능의 색상 추출 기능을 사용하여 사용자에게 맞는 향수를 추천해주는 서비스를 구현한다. 웹 사이트 제작에 용이한 Java 와 웹 크롤링과 인공지능 구현에 용이한 Python 을 기반으로 구현하였다.

본 논문에서는 TMAP API와 실시간 제보 및 경보 기능을 이용하는 안드로이드 애플리케이션 구현하고자 한다. TMAP API를 이용하여 사용자의 매 초마다의 위치를 기록하고, 해당 위치값을 토대로 산책 경로를 가시적으로 나타내는 것이 가능하다. 실시간 경보 시스템은 사용자가 산책 중에 발견한 돌발 상황을 제보하여 서버에 제보에 대한 위치와 내용을 저장하는 시스템이다. 이를 통해, 사용자가 산책 중에 해가 되는 위험 요소를 미리 알고 예방할 수 있으며, 비 정기적 행사와 같은 새로운 기회를 공유 받을 수 있다.

조직 활동에 필수적인 조직 모집 관리를 위해 많은 조직들은 효과적인 모집 전략과 도구를 추구하고, 이러한 모집 프로세스에 많은 시간과 비용을 투자하고 있다. 이러한 모집 프로세스를 통합적으로 관리할 수 있는 웹 서비스를 구축하여, 조직 관리자와 지원자가 모집 및 지원 활동에 효율적으로 참여할 수 있도록 돕고자 한다.

본 논문에서는 웹캠을 이용하여 전시관의 관람객을 추적하고, 그 관람객들의 속도를 추정하여 전시품 앞에서 속도가 줄어드는 것을 이용하여 관심도의 레벨을 추정하는 시스템을 제안한다. 제안 시스템은 관심 관람객의 특성을 분석하기 위하여, 일정 크기의 전시 부스에 설치하는 것을 가정하였다. 제안 시스템은 관찰영역에 진입하는 관객을 인식하고, 관객의 움직이는 속도를 예측하며, 관객의 속도가 관찰 영역내에서 줄어들면서 멈춤 동작을 하는 것을 인식하여 관람객의 관심레벨을 조정하도록 하였다. 뎁스 카메라를 이용하지 않고 저가의 웹캠을 이용하므로 전시관에 쉽게 설치하여 적용할 수 있을 것으로 기대한다.

최근 고성능 웹 애플리케이션 개발을 위한 asm.js. WebAssembly, WebGL, WebGPU와 같은 여러 웹 고속화 기술들이 발표되며 확장되고 있다. 하지만 각 기술들은 개별적으로만 적용 가능하다는 한계점이 있었다. 따라서 본 논문에서는 웹 브라우저 환경에서 최적화된 실행 성능을 기대할 수 있는 다중 웹 고속화 기술들을 통합 한 실행파일 포맷 및 패키징 방안에 대해 제안하고자 한다.

복지 정보와 인터넷 사용에 대한 이해도가 낮은 고령층의 디지털 소외 문제를 해결하고자, 고령층 친화 UI/UX 및 음성 인식 기술 등의 기술을 활용한 <고령층의 디지털 소외 방지를 위한 ASR 기반 복지 정보 검색 모델>의 개발을 제안한다.

기존 연구를 통해 MZ 세대는 개인의 취향과 선호를 표출하고, SNS를 통해 자신이 즐기는 콘텐츠를 타인과 공유한다는 점을 알 수 있었다. 이에 본 연구는 개인의 정서와 취향을 효과적으로 드러낼 수 있는 음악을 주요 콘텐츠로 선정하여 사용자들의 커뮤니케이션을 증진시킬 수 있는 서비스인 사용자 위치 기반 음악 소셜 플랫폼 애플리케이션을 제안한다.

'강의가 듣고 싶어서'는 학생들에게 강의실의 위치를 알려주는 목적으로 기획되었다. 캠퍼스 맵에 강의실 마커를 띄워 위치를 알려주고, 건물 내부에서 강의실을 찾아가는 길을 알려준다. 추천 시스템을 통해 공강시간에 사용 가능한 스터디룸의 정보를 제공한다.