무선 애드 혹(ad hoc) 망에서 제안된 응용계층 기반 멀티캐스트 선행 연구는 크게 계층적 구조와 비계층적 라우팅 구조를 갖는 멀티캐스팅 기법으로 분류된다. 이들 제안된 기법들은 애드 흑 노드들의 이동성 변화를 실시간으로 멀티캐스트 라우팅 경로 갱신을 위해 반영하지 못한다. 그러므로, 에너지, 전송률, 시간지연 등 여러 가지 성능 저하의 원인이 된다. 이러한 문제점을 개선하기 위해, 이미 앞선 연구를 통해 암시적 클러스터 기반 멀티캐스트 기법을 제안하였다. 본 논문은 그의 특성을 분석하고 선행 연구된 응용 계층 기반 프로토콜들과 실험을 통한 성능을 검증하고자 한다.

본 논문에서는 동적 애드 혹 네트워크(MA-NET)상에서 효율적인 라우팅을 위해 대표적인 군집단지능 알고리즘인 Ant Colony Optimization 알고리즘에 기반을 둔 정보 속성을 고려한 Data Dependent Swarm Intelligence Routing Algorithm(DSRA)을 제안한다. 제안된 알고리즘은 정보를 Realtime 정보와 Non-Realtime 정보로 분류하여 이 두 가지 속성에 의존적인 전송 알고리즘을 적용함으로써 첫째, Realtime 정보의 지연시간을 감소시켜 보다 효율적인 라우팅 경로를 구성하고 둘째, Non-Realtime 정보와 Realtime 정보의 경로 분산 효과를 통해 전체적인 네트워크의 lifetime을 증대시킨다. AODV[1], DSR[2], AntHocNet[3]과 비교를 통해 지연시간과 lifetime 모두에서 DSRA가 더 나은 성능을 보인다는 것을 실험적으로 확인한다.

웹 온톨로지에 대한 연구가 활발해지면서 웹 온톨로지를 저장하기 위한 다양한 형태의 저장소와 질의 언어가 개발되고 있다. SPARQL의 이용이 증가하고 대부분 관계형 데이타베이스 기반의 저장소를 이용함에 따라 SPARQL을 SQL로 변환하는 알고리즘 개발의 필요성이 대두되었다. 지금까지 제안된 변환 알고리즘들은 SPARQL의 일부만을 SQL로 변환하거나 변환 알고리즘이 저장소 구조에 종속적이라는 문제점이 있다. 이 논문에서는 저장소에 독립적으로 특정 변환 알고리즘을 활용할 수 있는 모델을 제안한다.

본 논문에서는 이진 이미지 기반의 간단하고 사용자 친화적인 (n,n) 시각 비밀 분산 방법을 제안한다. 제안한 방법은 간단한 XOR 연산과 NOT 연산만을 이용하여 사용자 친화적인 이미지들 내에 숨기고자 하는 비밀 이미지 정보를 분산해서 숨기는 기법으로, 효율적인 숨김(em-bedding)과 복원(reconstruction) 알고리즘 제공, 비밀 이미지의 손실없는 완벽한 복원 기능 제공, 사용자 친화적인 의미있는 이미지들을 공유함으로써 자신이 속해있는 그룹을 쉽게 구분할 수 있는 기능 제공, 그리고 기존의 방법과 달리 원본 커버 이미지와 같은 크기의 비밀 이미지를 공유할 수 있는 등의 시각 비밀 분산 방법이 갖추어야하는 많은 장점들을 가진다.

이동 중 사용자에게 필요한 정보를 제공하기 위해서는 장소를 인지하는 기술이 필요하다. 본 논문에서는 건물 내에서 이동하면서 카메라에 의해 포착된 영상 정보를 분석하여 현재 장소를 파악하고 카메라 영상에 관련 정보를 증강하는 비디오 기반 실시간 장소인식 시스템을 제안한다. 영상의 전역적 특징을 이용한 기존 연구들은 장면의 부분적인 폐색이나 잡음에 민감하고, 물체인식을 행하는 지역적 특징 의존 방식은 계산량이 많아 실시간 적용이 어렵다. 또한, 그러한 특징들로부터 장소인식 결과를 도출하기 위해서는 통계적 그래프 기반 모델이나 베이시안 네트웍등이 이용되어 왔는데, 전자의 경우 장소 이동의 확률을 얻기 위한 많은 통계 데이타가 필요하며, 후자는 장소 이동문맥을 활용하지 못하므로 물체 인식 결과에만 의존하는 단점이 있다. 본 논문에서는 장소 문맥 정보를 활용하면서 영상의 지역적, 전역적 특징추출법의 결합을 통해 부분 폐색 및 잡음에 대한 전역적 방법의 민감성을 보완하고, 지역적 방법의 느린 처리속도를 보완한 시스템을 제안한다. 제안된 방법을 건물 내부를 이동하면서 장소에 대한 정보를 얻는 정보증강 시스템에 적용하여 실시간 성능을 확인하였다.

센서 네트워크에서 센서 노드를 디자인할 때 중요한 고려사항 중 하나가 제한된 자원을 가진 센서 네트워크에서 주어진 에너지 소모를 최소화하여서 네트워크 수명을 연장하는 것이다. 이를 위해서 지금까지 많은 연구들이 되어 오고 있다. 그중 센서 네트워크에서 다수의 모바일 싱크를 지원하기 위한 프로토콜로 TTDD(Two-Tier Data Dissemination approach)가 제안되었지만 그리드 구조형성과 유지를 위한 제어 패킷이 증가하는 문제를 발생시켰다. 그러므로 본 논문에서는 센서네트워크에서 여러 개의 모바일 싱크와 다수의 소스가 존재하는 네트워크에서 고정 그리드를 이용하여 사용한 패킷의 양을 줄임으로써 에너지 효율적인 라우팅 프로토콜을 제안한다.

본 논문에서는 무선 센서 네트워크에서 클럭 동기화 시 악의적인 노드의 클럭 동기화 방해 공격에 대처하기 위한 비잔틴 오류 감내 클럭 동기화 기법을 제안한다. 제안 기법은 클럭 동기화를 요구하는 노드가 m개의 악의적인 노드에 대처하기 위해 부모 노드뿐만 아니라 형제 노드로부터 3m+1개의 클럭 동기화 메시지를 수신하여 클럭동기화를 진행한다. 시뮬레이터를 이용한 성능 평가를 통하여, 제안 기법은 기존 클럭 동기화 기법에 비하여 악의적인 노드의 클럭 동기화 방해 공격 시 동기 정확도 측면에서 최대 7배 향상된 성능을 보여주었다.

객체지향 모델의 제약을 표현하는 OCL의 용도를 확장하여 UML 모델에 적용할 메트릭을 기술하는 언어로 사용하는 연구가 다양하게 진행되었다. 그러나 OCL로 메트릭을 기술하면 복잡한 OCL 문장으로 인하여 메트릭의 의미를 이해하는 데에 많은 어려움이 있다. 본 논문에서는 OCL의 기본 요소를 추상화시킨 새로운 메트릭 기술 언어(MDL4UML)를 정의하였다. MDL4UML은 OCL의 기본요소를 추상화함으로써 OCL을 이용하여 메트릭을 기술하는 메트릭 디자이너가 이해하기 쉽고 간략하게 메트릭을 기술할 수 있는 장점이 있다.

본 논문에서는 연속적인 뇌파 분류를 위해 비음수 텐서 분해를 이용한 특징 추출과 비터비 알고리즘을 이용한 연속적인 데이타의 클래스 분류를 결합한 새로운 알고리즘을 제시한다. 비음수 텐서 분해는 이미 스펙트럼 데이타에 대해 뇌파의 주요한 특징을 잘 추출한다고 알려진 비음수 행렬 분해의 확장으로써 행렬이라는 제한된 틀에서 벗어나 데이타가 가지는 다양한 차원으로의 확대가 가능하다. 뇌-컴퓨터 인터페이스 컴피티션을 통해 공개된 데이터를 이용한 실험을 통해 제안된 방법의 유용함을 증명하도록 하겠다.

최근에 제안된 강화 학습 기법인 "potential-based" reinforcement learning(RL) 기법은 다수 학습들과 expert advice들을 감독 지식으로 강화 학습 알고리즘에 융합하는 것을 가능하게 했고 그 효용성은 최적 정책으로의 이론적 수렴성 보장으로 증명되었다. 본 논문에서는 potential-based RL 기법을 셀룰러 네트워크에서의 채널 할당 문제에 적용한다. Potential-based RL 기반의 동적 채널 할당 기법이 기존의 fixed channel assignment, Maxavail, Q-learning-based dynamic channel assignment 채널 할당 기법들보다 효율적으로 채널을 할당한다. 또한, potential-based RL 기법이 기존의 강화 학습 알고리즘인 Q-learning, SARSA(0)에 비하여 최적 정책에 더 빠르게 수렴함을 실험적으로 보인다.

과학기술 분야는 매우 빠른 발전 속도를 보이며 세부 분야 간 융 복합 현상이 빈번하게 일어나는 특징을 가지고 있다. 과학기술정보 말뭉치로부터 상기 특성을 분석해 내는 작업은 연구 주제 추이를 분석하고 주제 간 연관 관계를 파악하기 위해 필요하다. 본 연구는 과학기술 분야 - 특히 정보기술(Information Technology) 분야 - 에서 광범위하게 활용되고 있는 Citeseer 말뭉치로부터 추출된 주제를 이용하여 다양한 주제 분석을 수행하는 방안을 보이는 것을 목표로 한다. 특히, 연구개발 전주기 지원 시스템인 OntoFrame에서 주제가 어떠한 역할을 할 수 있는지 사례를 통해 실증하고자 한다.

컴퓨터 네트워크를 이용한 회의에 있어서 공유키 합의 프로토콜은 보안이 필요한 회의에 필수적이다. 그 중에서도 결함 허용 회의 키 합의 프로토콜은 가짜 참여자가 키 생성을 방해한다고 하더라도 정당한 참여자만이 회의키를 공유할 수 있게 만들어주는 방법이다. 그러나 기존의 방법은 가짜 참여자의 수가 많을 경우 효율적으로 동작하지 못한다는 문제점이 있다. 본 논문은 결함 허용 회의키 합의 방법에 아이디 기반의 삼자 간 키 합의 프로토콜을 적용하여 기존의 방법들에 비하여 낮은 키 합의 비용으로 동작하는 결함 허용 회의 키 합의 방법을 제안한다. 실험결과는 효율적이라고 알려진 Yi의 방법보다 제안 방법이 효율적이며, 특히 공격자가 많은 경우엔 더욱 효율적으로 동작하는 것을 보여준다.

웜은 사람의 개입 없이 취약점이 존재하는 네트워크 서비스에 대한 공격을 시행하고 사용자가 원치 않는 패킷을 복사 및 전파하는 악성코드이다. 기존의 웜 탐지 기법은 주로 시그너쳐 기반의 방식이 주를 이루었으나 조기탐지의 한계로 인해 최근에는 웜 전파의 행동 특성을 감지하는 방식이 각광 받고 있다. 본 논문에서는 웜 행동 주기와 감염 체인으로 대표되는 웜의 행위적 특성을 탐지하고 대응할 수 있는 분산 웜 탐지 및 방지 방법을 제안하고, 제안된 탐지 및 방지 모델 적용 시 웜의 감염 속도가 감소되는 현상을 시뮬레이션을 통해 증명한다. 제안하는 웜 탐지모델은 규모가 큰 시그너쳐 데이타베이스가 필요하지 않을 뿐더러 컴퓨팅 파워가 비교적 적게 소요되므로, 개인용 컴퓨터 뿐 아니라 유비쿼터스와 모바일 환경과 같이 개별 기기가 낮은 컴퓨팅 파워를 가지는 상황에도 적합하다.

본 논문에서는 일반적인 비디오의 모션을 만화와 같은 스타일로 자동으로 변환해주는 시스템을 제안한다. 이 시스템은 비디오의 물리적인 상황에 맞게 자연스러운 변형을 손쉽게 적용할 수 있는 새로운 비디오의 만화화 방법이다. 선택된 비디오 오브젝트의 운동량, 운동방향, 힘과 같은 물리적인 요인들을 분석하여 물리적으로 타당한 변형을 적용함으로써 자연스러운 효과를 적용한다는 것이 장점이다. 전통적인 애니메이션에서 사용하는 몇 가지 전형적인 디포메이션 시나리오를 구축하고 사용자가 손쉽게 원하는 효과를 선택하여 적용한다. 타이밍 컨트롤과 카툰 렌더링을 사용하여 최종적으로 역동적이고 만화 같은 비디오를 만들어 낸다.

스캐너를 이용해 스캔한 데이타는 오차를 포함하고 있으며, 이러한 오차는 통계적인 성질을 갖는 경우가 많다. 이러한 이유에서 통계적인 방법은 오차 처리를 위해 매우 효과적인 방법이며, 최근 많은 연구가 이루어지고 있다. 이러한 통계적인 방법 중 대표적인 방법인 점 추정 방법은 데이타의 여러 성질을 나타내지 못하고 단지 확률이 최대가 되는 부분의 성질만을 나타내는 한계가 있으며, 이러한 한계로 인하여 오버피팅 문제가 발생하게 된다. 이러한 한계를 극복하고 오버피팅 문제를 해결하기 위해서 본 논문에서는 변분 베이지안 방법을 이용한다. 점집합의 오차를 제거하기 위해 지역적 근사곡면을 사용하고, 높이함수를 이용해서 근사곡면을 나타낸다. 변분 베이지안 방법을 사용하여 오차가 제거된 근사곡면을 구하고, 주어진 점들을 근사곡면으로 매핑하여 오차를 제거한다. 제시된 방법은 계량적 실험과 실제 스캔된 자료를 이용한 실험을 통하여 검증된다.

본 연구는 Laban이 제시한 모션 분석 기법을 이용하여 모션의 긴장도를 측정하는 방법을 제안한다. 이러한 긴장도 값을 이용하면 캐릭터 모션과 배경음악간의 자동적 동기화를 위한 기준값으로 사용할 수 있다. Laban의 모션 분석 기법, 즉 LMA는 모션을 Effort라고 명명된 4개의 시공간적 요소로 나누고 각 4개의 Effort마다 2가지 상반된 기준을 제시함으로써 모션을 분석하도록 하였다. 이러한 기준을 양적으로 측정하기 위해 우리는 운동학, 역학에 기초한 수식을 제안하고 이를 통해서 계산된 실제 긴장도 값을 실험 데이타에 근거하여 조정하였다. 실험을 통해 제안한 긴장도 측정 결과는 어느 정도 사람의 반응과 비슷한 정도의 순위 판별 능력을 보였다.

로그 구조 파일 시스템(Log-Structured File System, LFS)은 변경된 데이타를 메모리에 충분히 모아서 한번에 순차 쓰기로 디스크에 기록함으로써 높은 쓰기 성능을 실현한 파일 시스템이다. 그러나 실제 시스템에서는 여전히 디스크와 메모리 상의 일관성을 위해서 동기화가 발생하며 변경된 데이타를 충분히 메모리에 모으지 못한 채 디스크로 쓰기가 발생하는 모습을 보인다. 자주 발생되는 쓰기는 클리너의 오버헤드를 증가시키고, 더 많은 메타데이타를 기록하게 한다. 본 연구에서는 비휘발성 메모리를 이용해서 동기화를 없애고, 작은 단위의 쓰기를 효과적으로 활용하도록 LFS와 운영체제의 관련된 서브 시스템들을 변경하였다. 이를 통하여 DRAM만 있는 LFS에 비해서 256M의 NVRAM을 가진 시스템에서 약 2.5배의 성능 향상을 보였다.

최근 듀얼-프로세서 기반의 모바일 내장형 시스템을 위한 듀얼-포트 SDRAM이 발표되었다. 이는 단일 메모리 칩이 두 프로세서의 로컬 메모리와 공유 메모리 역할을 모두 담당하므로 공유 메모리를 위하여 추가의 SRAM 메모리를 사용하는 기존의 구조에 비해 더 간단한 통신 구조이다. 양 포트로부터의 동시적인 접근에서의 상호배타성을 보장하기 위하여 모든 공유 메모리 접근에는 특수한 동기화 기법이 수반되어야 하는데 이는 잠재적인 성능 악화의 원인이 된다. 이 논문에서는 이러한 동기화 비용을 고려하여 듀얼-포트SDRAM 구조의 성능을 평가하고, 주 응용의 통신 특성을 고려하여 최적화한 락우선권 기법과 정적복사 기법을 제안한다. 더 나아가, 공유 뱅크를 여러 블록으로 나눔으로써 서로 다른 블록들에 대한 동시적인 접근을 가능케 하여 성능을 개선하도록 한다. 가상 프로토타이핑 환경에서 수행된 실험은 이러한 최적화 기법들이 기본 듀얼-포트SDRAM 구조에 비하여 20-50%의 성능 향상을 가져옴을 보여준다.