• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권10호
• /
• pp.363-372
• /
• 2022

최근 코로나 19 팬더믹 이후 원격근무의 확대와 더불어 랜섬웨어 팬더믹이 심화하고 있다. 현재 안티바이러스 백신 업체들이 랜섬웨어에 대응하고자 노력하고 있지만, 기존의 파일 시그니처 기반 정적 분석은 패킹의 다양화, 난독화, 변종 혹은 신종 랜섬웨어의 등장 앞에 무력화될 수 있다. 이러한 랜섬웨어 탐지를 위한 다양한 연구가 진행되고 있으며, 시그니처 기반 정적 분석의 탐지 방법과 행위기반의 동적 분석을 이용한 탐지 연구가 현재 주된 연구유형이라고 볼 수 있다. 본 논문에서는 단일 분석만을 이용하여 탐지모델에 적용하는 것이 아닌 ".text Section" Opcode와 실제 사용하는 Native API의 빈도수를 추출하고 K-means Clustering 알고리즘, 코사인 유사도, 피어슨 상관계수를 이용하여 선정한 특징정보들 사이의 연관성을 분석하였다. 또한, 타 악성코드 유형 중 웜과 Cerber형 랜섬웨어를 분류, 탐지하는 실험을 통해, 선정한 특징정보가 특정 랜섬웨어(Cerber)를 탐지하는 데 특화된 정보임을 검증하였다. 위와 같은 검증을 통해 최종 선정된 특징정보들을 결합하여 기계학습에 적용하여, 최적화 이후 정확도 93.3% 등의 탐지율을 나타내었다.

• 한국산업정보학회논문지
• /
• 제27권6호
• /
• pp.13-23
• /
• 2022

본 논문에서는 패션 분야의 비정형 데이터 검색을 위한 패션 아이템별 세부 컨포넌트 이미지 분류 알고리즘을 제안한다. 코로나-19 환경으로 인하여 최근 AI 기반 쇼핑몰이 증가하는 추세이다. 하지만 기존의 키워드 검색과 사용자 서핑 행위 기반 개인 맞춤형 스타일 추천으로는 정확한 비정형 데이터 검색에는 한계가 있다. 본 연구는 다양한 온라인 쇼핑 사이트에서 크롤링한 이미지를 사용하여 Mask R-CNN을 활용한 전처리를 진행한 후, CNN을 통해 패션 아이템별 컴포넌트에 대한 분류를 진행하였다. 셔츠의 카라 및 패턴과 청바지의 핏, 워싱 및 컬러에 대한 분류를 진행하였으며, 다양한 전이학습 모델을 비교 분석한 후 가장 높은 정확도가 나온 Densenet121모델을 사용하여 셔츠의 카라는 93.28%, 셔츠의 패턴은 98.10%의 정확도를 도달하였으며, 청바지의 핏은 Notched, Spread, Straight 3가지의 클래스의 경우 91.73%, Regular 핏을 추가한 4가지의 클래스의 경우 81.59%, 청바지의 색상은 93.91%, 청바지의 Washing은 91.20%, 청바지의 Demgae는 92.96%의 정확도를 도출하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제12권1호
• /
• pp.9-16
• /
• 2023

로봇은 군사 분야로까지 활용 범위를 넓히며 다가올 미래전에서 감시경계, 적군 탐지 등 중요한 임무를 맡게 될 것으로 전망된다. 군집 로봇은 다수라는 장점으로 단일 로봇이 수행하기 어렵거나 오랜 시간이 소요된 임무를 보다 효율적으로 수행할 수 있다. 상호 간 인지 및 협업이 필수인 군집 로봇은 방대한 데이터를 주고 받으며, 이로 인해 SW의 검증이 점점 더 어려워지고 있다. 임무 검증의 신뢰성을 높이기 위해 사용하는 Hardware-in-the-loop simulation은 복잡한 군집 로봇의 SW 검증을 가능하게 하나, HILS 장치와 시뮬레이터 간 주고 받는 검증 데이터의 양이 검증 대상 시스템 수에 따라 기하급수적으로 증가하여 통신 과부하가 발생할 수 있다. 본 논문에서는 군집 로봇의 임무 검증에서 발생하는 통신 과부하 문제를 해소하기 위해 디지털 트윈 기반의 통신 최적화 기법을 제안한다. 제안하는 Digital Twin based Multi HILS Framework 하에서 Network DT은 Network Controller 알고리즘을 통해 임무 시나리오에 따라 각 로봇에게 네트워크 자원을 효율적으로 할당할 수 있으며, 군집에 참여하는 개별 로봇들이 요구하는 Sensor Generation Rate를 모두 만족시킬 수 있음을 확인하였다. 또한 데이터 전송에 대한 실험 결과 패킷 손실 비율을 기존 15.7%에서 약 0.2%로 감소시킬 수 있었다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.185-207
• /
• 2022

최근 딥 러닝 기술의 발전으로 인해, 텍스트, 이미지 등 비정형 데이터 분석에 딥 러닝 알고리즘을 적용하는 연구가 활발히 수행되고 있다. 그중 텍스트 분류는 학계 및 업계에서 오랜 기간 연구되어 온 분야로, 분류의 성능을 향상시키기 위해 계층형 레이블 등 데이터 자체의 특성을 활용하기 위한 다양한 시도가 이루어지고 있다. 하지만 계층적 분류를 위해 주로 사용되는 하향식 접근법은 상위 레벨의 오분류가 하위 레벨의 정분류 기회를 차단한다는 한계가 있다. 따라서, 본 연구에서는 레이블의 계층적인 관계를 고려하면서도 상위 레벨의 분류가 하위 레벨의 분류를 차단하지 않도록 하여 분류 성능을 향상시키기 위해, 오토인코더 기반 심층 지도 네트워크를 활용한 계층형 데이터 분류 방법론을 제안한다. 제안 방법론은 오토인코더의 잠재변수에 하위 레이블을 예측하는 주 분류기를 추가하고, 인코더의 은닉층에 상위 레벨의 레이블 예측하는 보조 분류기를 추가하여 End-to-End 학습을 진행한다. 제안 방법론의 성능을 평가하기 위하여 국내 논문 데이터 총 22,512건에 대한 실험을 수행한 결과, 제안 모델이 기존의 지도 오토인코더 및 DNN 모델에 비해 분류 정확도와 F1-Score에서 우수한 성능을 나타냄을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권12호
• /
• pp.9-16
• /
• 2022

본 논문에서는 함정 전투체계의 데이터 파일의 데이터 불일치가 발생했을 때 데이터 복구를 할 수 있도록 레코드 블록 데이터 파일 시스템(RDBS)의 설계 및 활용방안을 제안한다. 함정 전투체계는 다중화를 지원하기 위해 다수의 정보처리장치 저장소에 동일한 파일을 관리하고 있다. 하지만 일부 장비의 유지보수로 인한 사용불가 상태에서 운용하거나 사용자의 운용미숙으로 정보처리장치 간의 데이터 파일의 불일치가 발생할 수 있다. 기존 함정 전투체계는 데이터파일의 변경이력을 관리하지 않으므로 데이터 불일치가 발생했을 때, 가장 최신날짜 기준으로 데이터 파일을 동기화를 진행하였다. 그러나 가장 최신 날짜의 데이터파일이 신뢰도가 가장 높다고 보기 어려우며, 한번 파일동기화가 진행된 이후에는 동기화 이전 데이터로 복구할 수 없다. 이러한 문제점을 해결하기 위해 본 논문에서 제안한 RDBS를 활용하여 레코드 블록 단위로 데이터를 저장 및 동기화 하였으며, 레코드 블록 관리로 인한 파일동기화에 발생하는 오버헤드를 줄이기 위해 Rsync알고리즘을 활용하였다. RDBS를 적용한 SW를 모의환경에서 성능시험을 하였으며, 정상 동작확인을 통해 함정 전투체계에 적용이 가능함을 확인하였다.

• 인터넷정보학회논문지
• /
• 제23권6호
• /
• pp.1-13
• /
• 2022

정보통신 환경의 발전으로 인하여 군사 시설의 환경 또한 많은 발전이 이루어지고 있다. 이에 비례하여 사이버 위협도 증가하고 있으며, 특히 기존 시그니처 기반 사이버 방어체계로는 막는 것이 어려운 APT 공격들이 군사 시설 및 국가 기반 시설을 대상으로 빈번하게 이루어지고 있다. 적절한 대응을 위해 공격그룹을 알아내는 것은 중요한 일이지만, 안티 포렌식 등의 방법을 이용해 은밀하게 이루어지는 사이버 공격의 특성상 공격 그룹을 식별하는 것은 매우 어려운 일이다. 과거에는 공격이 탐지된 후, 수집된 다량의 증거들을 바탕으로 보안 전문가가 긴 시간 동안 고도의 분석을 수행해야 공격그룹에 대한 실마리를 겨우 잡을 수 있었다. 본 논문에서는 이러한 문제를 해결하기 위해 탐지 후 짧은 시간 내에 공격그룹을 분류해낼 수 있는 자동화 기법을 제안하였다. APT 공격의 경우 일반적인 사이버 공격 대비 공격 횟수가 적고 알려진 데이터도 많지 않으며, 시그니처 기반의 사이버 방어 기법을 우회하도록 설계가 되어있으므로, 우회가 어려운 공격 모델 기반의 탐지 기법을 기반으로 알고리즘을 개발하였다. 공격 모델로는 사이버 공격의 많은 부분을 모델링한 MITRE ATT&CK®을 사용하였다. 공격 기술의 범용성을 고려하여 영향성 점수를 설계하고 이를 바탕으로 그룹 유사도 점수를 제안하였다. 실험 결과 제안하는 방법이 Top-5 정확도 기준 72.62%의 확률로 공격 그룹을 분류함을 알 수 있었다.

• 생물환경조절학회지
• /
• 제31권3호
• /
• pp.255-260
• /
• 2022

본 논문은 딥러닝 알고리즘을 이용하여 딸기 영상 데이터의 병충해 존재 여부를 자동으로 검출할 수 있는 서비스 모델을 제안한다. 또한 병징에 특화된 분할 이미지 데이터 세트를 제안하여 딥러닝 모델의 병충해 검출 성능을 향상한다. 딥러닝 모델은 CNN 기반 YOLO를 선정하여 기존의 R-CNN 기반 모델의 느린 학습속도와 추론속도를 개선하였다. 병충해 검출 모델을 학습하기 위해 일반적인 데이터 세트와 제안하는 분할 이미지 데이터 세트를 구축하였다. 딥러닝 모델이 일반적인 학습 데이터 세트를 학습했을 때 병충해 검출률은 81.35%이며 병충해 검출 신뢰도는 73.35%이다. 반면 딥러닝 모델이 분할 이미지 학습 데이터 세트를 학습했을 때 병충해 검출률은 91.93%이며 병충해 검출 신뢰도는 83.41%이다. 따라서 분할 이미지 데이터를 학습한 딥러닝 모델의 성능이 우수하다는 것을 증명할 수 있었다.

• 한국산업정보학회논문지
• /
• 제27권4호
• /
• pp.19-27
• /
• 2022

머신러닝(ML, Machine Learning)기반 응용에서의 인식성능은 적용된 모델의 종류와 크기, 학습환경 및 학습에 사용되는 데이터 등 다양한 요인에 따라 결정된다. 특히 학습에 사용되는 데이터가 충분치 않을 경우 인식성능이 저하되거나 과적합(Overfitting)등의 문제가 발생하기도 한다. 이미지 인식을 주요 대상으로 하는 기존 연구들은 학습을 위한 데이터셋이 풍부하고 검증된 데이터셋을 사용하여 학습 및 인식성능을 평가할 수 있다. 하지만 사용된 센서, 인식의 대상, 인식 상황이 다른 특정 응용들의 경우 데이터셋을 직접 구축해야 한다. 이런 경우, ML모델의 성능은 데이터의 양과 품질에 따라 달라진다. 본 논문에서는 이용 가능한 학습용 데이터가 충분치 않은 움직임 인식응용에 효율적으로 사용될 수 있는 비모수 추정 방식의 일종인 커널 밀도 추정 알고리즘을 사용하여 학습용 데이터를 증폭한 후, 사용된 커널의 종류에 따라, 원본 데이터의 수 및 증폭 비율에 따라 증폭된 데이터가 원본 데이터의 특징을 잘 반영하는지 인식 정확도 변화를 토대로 비교 분석한다. 실험결과, 본 연구에서 사용한 움직임 인식응용에서는 좁은 대역폭을 가진 Tophat 커널로 증폭된 데이터셋에서 최대 14.31%의 인식 정확도 향상을 확인하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권2호
• /
• pp.67-72
• /
• 2022

최근 인공지능을 활용한 다양한 지능형 응용서비스 개발이 활발히 진행 중이다. 특히, 제조 산업 현장에서는 인공지능 기반 실시간 예측서비스 연구가 활발히 진행 중이며 이중 화재 및 악취를 감지·예측할 수 있는 인공지능 서비스에 대한 요구가 매우 높다. 하지만 기존 감지·예측시스템은 화재 및 악취 발생 예측이 아닌 발생 후 감지 서비스가 대부분이다. 이는 인공지능 기반 예측서비스 기술이 적용되어 있지 않기 때문이다. 또한, 화재 예측 및 악취 감지·예측서비스는 초저지연 특징을 가진 서비스이다. 따라서 초저지연 예측서비스를 제공하기 위해 엣지 컴퓨팅 기술이 인공지능 모델과 결합되어 클라우드에 비해 빠른 추론 결과를 현장에 빠르게 적용할 수 있도록 개발 중이다. 따라서 본 논문에서는 제조 산업 현장에서 가장 많이 요구되는 화재 예측 및 악취 감지·예측에 사용할 수 있는 LSTM 알고리즘 기반 학습모델을 제안한다. 또한, 제안하는 학습모델은 엣지 다바이스에 구현이 가능하도록 설계하였으며 사물인터넷 단말로부터 실시간 센서데이터를 수신하고 이 데이터를 추론 모델에 적용하여 화재 및 악취 상태를 실시간으로 예측할 수 있도록 제안한다. 제안된 모델은 3가지 성능 지표를 통해 학습모델의 예측 정확도를 평가하였으며 평가 결과는 평균 90% 이상 성능을 보였다.

• 한국작물학회지
• /
• 제67권4호
• /
• pp.274-284
• /
• 2022

국내 환경에 적합한 케나프 육종을 위해선 비용, 정확도, 속도가 최적으로 설계된 정량적인 고속탐색법(high-throughput)에 기반한 표현형 분석법이 필요하다. 최근 UAV 기반의 원격탐사 기법의 발달로 노지에서 재배되는 작물의 생육인자들에 대한 대량 데이터를 저비용으로 신속하게 얻을 수 있으며 정확하게 분석하기 위한 연구가 활발하게 진행되고 있다. 본 연구에서는 국내에서 요구되는 케나프의 섬유와 가축 사료로서 육종을 위해 해당 목적과 부합한 케나프 높이를 주요 표현형 인자로 선정하여 UAV-RGB에 SfM 알고리즘 기반의 사진 측량 기술을 적용함으로 높이를 예측하고자 하였다. 기존 방법으로 예측한 작물 높이는 바람에 의한 작물의 흔들림으로 오차가 발생할 수 있으며 키가 2 m 이상 크게 자라 실측도 어려운 문제가 있다. 이러한 문제점을 해결하고자 바람에 흔들리지 않는 일정 높이를 가지는 고정 구조물을 설치하여 기준점을 이용한 모델식으로 기하 보정을 통해 높이 예측성능을 개선하였다. 그 결과 R²는 0.80으로 나타났으며, 보정 전(R² = 0.80, slope = 0.87, offset = -2.51) 보다 높은 신뢰성(R² = 0.80, slope = 0.94, offset = -1.62)을 확보하였다. 품종별로 생육단계에 따라 측정한 높이 지도를 통해 얻어진 케나프 키 정보는 품종 별로 유의미한 차이를 보임으로서 해당 방법으로 예측한 케나프 높이가 섬유와 가축 사료 목적의 육종 선발에 활용될 수 있을 것으로 판단하였다.