Brain-Computer Interface (BCI) 는 뇌 신호를 이용하여 생각으로 기계 및 컴퓨터를 제어 할 수 있는 기술이다. 뇌전도(Electroencephalography, EEG) 를 이용한 본 연구는 왼쪽/오른쪽 손 상상 움직임 실험에 대해서 특징 추출 (feature extraction)에 관�� 연구로 총 9명의 피험자로부터 얻어진 뇌 전도 데이터를 이용하여 전통적인 방법 (Common Spatial Pattern, CSP 및 Fisher Linear Discriminant, FLDA)을 이용해 구한 분류 정확도와 본 논문에서 사용 된 Symbolic transfer entropy (STE)을 통해 얻어진 특징에 대한 결과를 보여 준다. 본 연구를 통하여 STE를 통한 특징 추출 방법이 의미가 있다고 생각한다.

본 논문에서는 하이퍼그래프의 고유벡터를 척도로 하여 fMRI기반 Brain Network를 분석하여 중요한 허브노드를 찾는 방법론을 제시한다. 이 방법을 비디오게임을 수행하면서 촬영한 기능적 자기뇌영상(fMRI) 데이터인 PBAIC 2007 데이터셋에 대하여 그 유용성을 검증하였다. 이 데이터는 각 20분씩 세 세션을 촬영한 것이며 처음 두 세션에는 13가지의 감정 항목의 평가치가 각 스캔마다 주어진다. 한 피험자의 첫번째 세션 데이터로부터 13가지 감정 항목에 대하여 상관관계가 높은 각각의 복셀(voxel)들을 추출하였다. 이 13가지의 복셀들의 집합들을 각각 하이퍼에지로 보고 하이퍼그래프를 구성하였다. 하이퍼그래프로부 터 인접 행렬(adjacency matrix)를 구성한 후 고유치(eigenvalue)와 고유벡터(eigenvector)를 구하였다. 여기서 고유치가 가장 큰 고유벡터의 원소들은 각 복셀들의 중앙성(centrality), 즉 중요성을 나타내며 이로부터 감정과 관련된 중요한 허브 복셀들과 그들의 국소적 집합인 모듈을 찾았다. 모듈들은 감정 및 작업기억(working memory)과 관련된 뇌 영역들의 클러스터(cluster)로 추정된다.

최근 많은 보안 공격 도구들은 커널 레벨에서 동작하도록 설계 되고 있다. 악의적인 행동이 시스템 모니터링 프로그램과 같은 권한 레벨에서 이루어지기 때문에 공격 도구들은 공격 대상으로부터 자신의 존재를 숨기고 활동할 수 있다. 이러한 커널 레벨 악성코드들에 대한 대처 방법으로 가상화 기술을 이용하는 더 높은 권한 레벨을 가진 가상머신모니터(VMM)에서의 시스템 모니터링 방법이 소개 되었다. 그러나 많은 가상화 기반 모니터링 도구들이 주로 페이지 폴트 예외를 이용하여 시스템 콜 호출을 감시하기 때문에 신뢰성이 떨어지고 확장 페이지 테이블 (EPT) 과 같은 최신 하드웨어 가상화 기술 지원을 받지 못한다. 이에 본 논문에서는 일반 보호 예외를 이용하는 새로운 시스템 콜 인터셉트 기법을 제안함으로써 기존 기법의 기술적 한계를 극복하고 신뢰도 높은 모니터링 기법을 제공하고자 한다. 또 해당 기법의 구체적 구현 방법을 서술하고 구현 결과를 실험함으로서 제안 기법을 검증한다.

본 논문에서 제안하는 라우팅 기법은 분산된 센서 네트워크 상의 시작 노드에서 목적지 노드까지 데이터를 전송 할 때, 유효 데이터를 암호화 하고 그것을 분할하여 서로 다른 경로를 통해 전송함으로써 스니핑 공격에 암호화된 부분 데이터만 노출하여 정보 유출의 가능성을 감소한다. 스니핑 공격에 의한 정보 유출 가능성 감소의 정도는 시뮬레이션을 이용하여 전체 데이터를 단일 경로로 전송하는 경우와 비교한 실험 결과를 통하여 나타내 보이며, 해당 경로의 선택을 위한 알고리즘은 이론의 증명을 통해 나타내 보인다.

본 논문에서는 CCTV 감시 영상에서 취득한 얼굴 이미지를 이용하여, 범죄자 감시목록에 등록된 범죄 용의자를 탐지 식별하는 시스템을 설계 및 구현하였다. 특히 본 논문에서 제안한 SVDD와 SRC를 혼합한 계층적 구조의 범죄 용의자 식별 모듈은 다음과 같은 특성을 갖는다: 1) 먼저 SVDD를 이용하여 범죄 용의자만을 빠르게 인식함으로써, 일반인에 대한 불필요한 범죄자 식별 연산을 수행하지 않는다; 2) 다양한 식별 성능을 저해하는 환경에서도 이미 강인한 성능이 검증된 SRC를 범죄 용의자 식별과정에 적용함으로써 안정적이고 정확한 식별 시스템을 보장한다; 3) 동일 생체 특정의 반복적 사용을 통한 다수결 투표전략을 취함으로써 시스템의 신뢰도를 보장한다; 4) 점증적 갱신의 학습 능력으로 인하여 범죄 용의자 감시목록 데이터베이스의 변화에도 능동적으로 적응한다 실제 KUFD(Korea University Face Database)를 자체 제작하고 캠퍼스 내에서 CCTV 환경의 얼굴 인식 기반 범죄 용의자 탐지 및 식별 시스템 환경을 모의 구축하여 실험적으로 제안된 시스템의 성능을 검증한다.

최근 IT 산업 전반에 걸쳐 모바일에 대한 중요도가 높아짐에 따라 인터넷 브라우저의 성능이 중요하게 되었다. 자바스크립트 언어의 수행은 인터넷 브라우저의 사용에 있어 상당히 비중이 높다. 이 논문에서는 자바스크립트 언어를 수행하는 엔진 중 하나인 TraceMonkey엔진이 트레이스를 하는 과정에서 생기는 오버헤드를 줄이는 최적화를 구현, 적용하고 이를 실험하여 평가한다.