• 한국시뮬레이션학회논문지
• /
• 제20권3호
• /
• pp.79-88
• /
• 2011

함정 전투체계는 무기체계, 정보통신 등의 기술 발전으로 인한 복잡한 전장 환경에 적응하기 위하여 다양한 전술을 운용해야 한다. 현재 운용되는 국방 M&S 시스템은 의사결정을 위해 운용자, 즉 인간의 개입이 필수적이다. 하지만 인간이 개입되는 시뮬레이션은 실시간 정도의 저속에서 가능하고, 반복적인 실험의 어려움이 따르게 된다. 이를 개선하기 위해 에이전트 기반의 국방 M&S 시스템의 연구가 최근 들어 활발히 진행되고 있다. 그러나 현존하는 에이전트 기반 M&S 시스템은 고속 시뮬레이션은 가능하지만, 고정된 전술 분석용으로 활용되는데 그치고 있다. 따라서 본 논문에서는 주어진 시나리오에 대한 고속의 반복적인 실험 및 다양한 전술 운용과 창발적 전술 생성을 위해 진화론적 시뮬레이션을 이용한 다대다 함정교전 전술 생성 방법론을 제안하였다. 타당성 검증을 위해 서해상에서 벌어지는 가상의 3:3 함정교전 시뮬레이션을 수행하였고, 이를 통해 창발적 전술 생성의 가능성을 제시하였다.

• 융합보안논문지
• /
• 제18권4호
• /
• pp.81-87
• /
• 2018

군사훈련은 다양한 전장환경에서 발생하는 교전상황에서 신속하고 정확한 대응을 통해서 승리하기 위해 실시하는 것이다. 그러나 현실에서 실전적인 훈련을 하는 것은 상당히 어려운 일이다. 우리 육군은 과학화전투훈련장 및 마일즈 장비를 이용하여 실전적인 훈련을 하기 위해 노력하고 있으나 소대 이하 제대의 구성원인 전투원 개개인이 군복무중 이러한 장비를 이용한 과학화전투훈련을 할 수 있는 기간은 10일을 넘기기 어려운 것이 현실이다. 이러한 문제점을 해결할 수 있는 대안으로 증강현실 및 가상현실 기술을 군사훈련에 적용하기 위한 연구개발이 진행되고 있으나 아직까지 야외에서 활용할 수 있는 증강현실 기반 훈련체계는 개발이 미비한 현실이다. 따라서 본 논문에서는 증강현실 기술을 소대급 이하 부대에서 활용할 수 있는 야외 전술훈련체계에 적용하기 위한 알고리즘을 제안하고자 한다.

• 융합보안논문지
• /
• 제22권5호
• /
• pp.107-113
• /
• 2022

AR/VR 기반의 교육훈련 체계는 전장 환경과 유사한 실전적 훈련 효과뿐 아니라 사고 예방 및 예산 절감에도 큰 기여를 할 것으로 평가되고 있다. AR/VR을 학습에 활용하기 위한 연구는 꾸준히 진행되고 있으며, 교육과 훈련에 활용할 경우 실세계에서 발생할 수 있는 실패의 경험 없이도 기술을 향상시킬 수 있다. 국방 주요선진국들은 이러한 AR/VR 기술의 이점을 일찍부터 인식하고, 개인의 무기체계 운용 숙달에서부터 종합 전투훈련 체계, 전쟁사 교육, 외상 후 스트레스 치료 등 다양한 분야에서 AR/VR을 개발하고 적용하는 노력을 하고 있다. 한국군도 최근 AR/VR 활용 교육훈련 적용방안을 적극적으로 검토하고 있다. 이에 본 연구의 목적은 국방 선진국의 AR/VR 적용 교육훈련 사례들을 살펴보고 한국군에 적용할 시사점을 도출하는 것이다.

• 인터넷정보학회논문지
• /
• 제19권5호
• /
• pp.21-31
• /
• 2018

사이버 침해공격은 사이버 공간에서만 피해를 입히는 것이 아니라 전기 가스 수도 원자력 등 인프라 시설 전체를 공격할 수 있기에 국민의 생활전반에 엄청난 피해를 줄 수 있다. 또한, 사이버공간은 이미 제5의 전장으로 규정되어 있는 등 전략적 대응이 매우 중요하다. 최근의 사이버 공격은 대부분 악성코드를 통해 발생하고 있으며, 그 숫자는 일평균 160만개를 넘어서고 있기 때문에 대량의 악성코드에 대응하기 위한 자동화된 분석기술은 매우 중요한 의미를 가지고 있다. 이에 자동으로 분석 가능한 기술이 다양하게 연구되어 왔으나 기존 악성코드 정적 분석기술은 악성코드 암호화와 난독화, 패킹 등에 대응하는데 어려움이 있고 동적 분석기술은 동적 분석의 성능요건 뿐 아니라 logic bomb 등을 포함한 가상환경 회피기술 등을 대응하는데 한계가 있다. 본 논문에서는 상용 환경의 Endpoint에 적용 가능한 수준의 가볍고 고속의 분석성능을 유지하면서 기존 분석기술의 탐지성능 단점을 개선한 머신러닝 기반 악성코드 분석기술을 제안한다. 본 연구 결과물은 상용 환경의 71,000개 정상파일과 악성코드를 대상으로 99.13%의 accuracy, 99.26%의 precision, 99.09%의 recall 분석 성능과, PC 환경에서의 분석시간도 초당 5개 이상 분석 가능한 것으로 측정 되었고 Endpoint 환경에서 독립적으로도 운영 가능하며 기존의 안티바이러스 기술 및 정적, 동적 분석 기술과 연계하여 동작 시에 상호 보완적인 형태로 동작할 것으로 판단된다. 또한, 악성코드 변종 분석 및 최근 화두 되고 있는 EDR 기술의 핵심요소로 활용 가능할 것으로 기대된다.