• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.208-210
• /
• 2004

최근 인터넷, 인트라넷과 같은 통신 기술 발전에 따라 거의 모든 시스템이 서로 연결되었고, 사용자들은 손쉽게 정보를 공유할 수 있게 되었다. 따라서 시스템 침입을 통한 데이터의 변형과 인증 받지 않은 접근과 같은 컴퓨터 범죄가 급속도로 증가하고 있다. 그러므로 이러한 컴퓨터 범죄를 막기 위한 침입 탐지 기술 개발은 매우 중요하다. 전통적인 침입 탐지 모델은 단지 네트워크 패킷 데이터만을 사용하고 있으며. 침입탐지 시스템의 성능을 높이기 위해 서로 다른 분류 알고리즘을 결합하는 방법을 사용해왔다. 그러나 이러한 모델은 일반적으로 성능향상에 있어서 제한적이다. 본 논문에서는 침입탐지 시스템의 성능을 개선하기 위해 네트워크 데이터와 시스템 콜 데이터를 융합하는 방법을 제안하였으며. 데이터 융합 모델로서 Multi-Layer Perceptron (MLP)를 사용하였다. 그리고 DARPA 에서 생성한 네트워크 데이터와 본 논문에서 가상으로 생성한 시스템 콜 데이터를 함께 결합하여 모델을 생성 한 뒤 실험을 수행하였다. 본 논문에서의 실험결과로. 단순히 네트워크 데이터만을 사용한 모델에 비해 시스템 콜 데이터를 함께 결합한 모델이 훨씬 더 놓은 인식률을 보인다는 것을 확인할 수 있다

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권2호
• /
• pp.120-128
• /
• 2010

하이퍼네트워크는 하이퍼그래프의 일반화된 모델로 학습과정에 있어 진화적 개념을 도입한 확률 그래프 기반의 기계학습 알고리즘으로서 최근 들어 여러 다양한 분야에 응용되고 있다. 그러나 하이퍼네트워크 모델은 데이터와 모델을 구성하는 하이퍼에지 간의 동등비교를 기반으로 하는 학습과정의 특성상 데이터를 구성하는 인자들이 범주형인 경우에만 학습 및 모델링이 가능하고 실수 값으로 표현된 데이터를 학습하기 위해서는 이산화 등의 전처리가 선행되어야 한다는 한계점이 있다. 하지만 데이터 전처리에 있어 이산화 하는 과정은 필연적으로 정보손실이 발생할 수밖에 없기 때문에 이는 분류 예측 모델의 성능 저하를 유발하는 원인이 될 수 있다. 이러한 기존 하이퍼네트워크 모델의 한계점을 극복하기 위해 본 연구에서는 별도의 데이터 전처리 과정을 거치지 않고 실수 인자로 구성된 데이터의 패턴 학습이 가능한 개선된 하이퍼네트워크 모델을 제안한다. 여러 실험 결과를 통해 제안한 하이퍼네트워크 모델은 기존 하이퍼네트워크 모델에 비해 실수형 데이터에 대한 학습 및 분류 결과 성능이 향상되었을 뿐 아니라, 다른 여러기계학습 방법들에 비해서도 경쟁력 있는 성능이 나타남을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.238-240
• /
• 2005

유전자의 생물학적 기능을 밝히고 세포 내 상호작용을 이해하는 것은 post-genome era의 가장 중요한 작업 중 하나이다. 세포는 서로 다른 컴포넌트들의 상호작용에 의해 아주 복잡한 네트워크를 구성한다. 생화학적 네트워크에는 metabolic, regulatory, signal transduction과 같은 세포의 프로세스를 포함한다. 이러한 생화학적 네트워크들은 서로 다른 정보체계를 가지고 각기 다른 데이터베이스에 분산되어 저장관리 되고 있다. 따라서 생화학적 네트워크 데이터를 체계적으로 효율적으로 저장, 관리하기 위한 데이터베이스에 대한 필요성이 증대되고 있다. 본 논문에서는 기존의 생화학적 네트워크 데이터베이스의 장.단점을 분석하고 객체지향 방식에 입각한 새로운 생화학적 네트워크 데이터의 통합을 위한 시스템 모델을 제시한다. 제안된 시스템 모델은 생화학적 네트워크 데이터에 대한 생물학전 관계를 자연스럽게 표현할 수 있는 객체지향 모델을 사용하였다. 또한 생화학적 네트워크 모델을 묘사하기 위한 응용프로그램 사이의 데이터 교환의 표준언어인 SBML[2]스키마를 기반으로 하고 있다.

• 인터넷정보학회논문지
• /
• 제21권2호
• /
• pp.121-130
• /
• 2020

이 논문은 Generative Adversarial Network (GAN) 을 이용하여 증진된 이미지 데이터를 평가방식인 Inception Score (IS) 와 Frechet Inception Distance (FID) 계산시 inceptionV3 모델을 활용 하는 방식을 응용하여, 군 폐쇄망 네트워크 데이터를 이미지 형태로 평가하는 방법을 제안한다. 기존 존재하는 이미지 분류 모델들에 레이어를 추가하여 IncetptionV3 모델을 대체하고, 네트워크 데이터를 이미지로 변환 및 학습 하는 방법에 변화를 주어 다양한 시뮬레이션을 진행하였다. 실험 결과, atan을 이용해 8 * 8 이미지로 변환한 데이터에 대해 1개의 덴스 레이어 (Dense Layer)를 추가한 Densenet121를 학습시킨 모델이 네트워크 데이터셋 평가 모델로서 가장 적합하다는 결과를 도출하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(C)
• /
• pp.419-422
• /
• 2010

사용자와 환경의 변화에 적응하기 위해서 베이지안 네트워크의 다양한 학습 방법들이 연구되고 있다. 기존의 많은 학습방법에서는 학습 데이터로부터 통계적 방법을 통해서 베이지안 네트워크 모델을 학습하는데, 이러한 접근 방법은 학습 데이터를 수집하기 어려운 문제에 적용하기 힘들며, 사용자의 의도를 데이터의 패턴들로만 학습하므로 직접적으로 사용자의 의도를 반영할 수 없다. 본 논문에서는 대화에 기반하여 사용자의 의도를 직접적으로 수집하고, 이로부터 베이지안 네트워크의 파라메터를 학습하는 방법을 연구한다. 제안하는 방법에서는 사용자와의 대화를 통해서 현재의 모델의 잘못된 점 혹은 개선점을 직접적으로 입력 받고, 이를 바탕으로 베이지안 네트워크 모델을 수정하여 데이터의 수집 없이 빠른 시간에 사용자가 원하는 모델을 학습 할 수 있다. 기존의 통계적 기법을 이용한 대표적인 베이지안 네트워크 파라메터 학습 방법인 최대우도 추정(Maximum Likelihood Estimation; MLE) 방법과 제안하는 방법을 비교하여 제안하는 방법의 유용성을 확인한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1875-1876
• /
• 2008

네트웍 모델러(Network Modeler)는 EMS 시스템에서 전력 네크워크 토폴로지(Network Topology)를 입력하기 위한 도구이다. 네트워크 모델러는 토폴로지 정보를 입력하여 모델을 생성하고 변경하는 일과 네트워크 다이어그램을 생성하는 일 등을 처리한다. 모델을 생성하기 위해 계통요소를 나타내는 심벌을 마우스로 움직여 화면에 배치하고 각 요소의 파라미터를 설정하며 작성된 전력계통 구성이 올바른지 검사하는 기능도 수행한다. 네트워크 모델러는 주로 EMS에서 사용되었고 SCADA 시스템에서는 사용되지 않았으나, 최근 개발되고 있는 SCADA 시스템은 네트워크 모델러를 함께 포함하여 시스템의 기능을 향상시키고 있다. 그러나 기존의 Network Modeler가 EMS 시스템 개발 벤더에 따라 다른 데이터 구조를 가지고 있어서 데이터의 상호 운용성이 떨어지고, 입력방법에 있어서도 자동화 및 자료 연계가 미흡하여 관리에 많은 시간이 소요되는 단점을 가지고 있다. 본 논문에서는 CIM 기반으로 정의된 데이터 모델을 사용자가 그래픽 다이어그램을 이용하여 쉽게 네트워크 토폴로지를 정의하도록 하고, 입력정보의 상호 운영성이 향상된 CIM 기반 Network Modeler를 설계한 내용을 설명하도록 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.697-700
• /
• 2019

무장데이터링크 시뮬레이션은 네트워크 기반 유도무기 모델링을 위하여 M&S 기술을 바탕으로 무장데이터링크의 운용성 및 정밀타격 성능을 검증하기 위한 시뮬레이션 소프트웨어다. 네트워크 기반 유도무기 모델은 원격임무통제를 위한 무장데이터링크망과 가상전장을 위한 시뮬레이션망이 연동하는 분산네트워크 환경에서 동작한다. 이때 유도탄모델 인터페이스는 다수의 프로토콜과 종속관계를 갖게 된다. 따라서 프로토콜이 수정될 때마다 유도탄모델 뿐만 아니라, 해당 인터페이스를 사용하는 다른 프로토콜도 수정되어야 한다. 또한 시뮬레이션 특성상 다양한 운용개념이 유도탄모델에 적용될 수 있다. 기존 고정표적 유도탄모델에 임무통제기능을 적용할 경우, 기존 모델이 훼손될 뿐만 아니라 기능 추가 및 삭제가 쉽지 않다는 문제가 있다. 본 논문은 서로 다른 프로토콜을 유도탄모델에 쉽게 적용하고 변경할 수 있는 프로토콜 변경용이성과 기 개발된 고정표적 유도탄모델을 변경하지 않고 무장데이터링크 운용 개념을 적용할 수 있는 유도탄모델 확장성을 위한 구조를 제안한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제57차 동계학술대회논문집 26권1호
• /
• pp.89-92
• /
• 2018

본 논문에서는 Edge computing 환경에서 다수의 노드들로 구성된 네트워크의 디바이스를 효율적으로 관리하기 위한 방법을 제안한다. 기존의 클라이언트-서버 모델은 모든 데이터와 그에 대한 요청을 중심 서버에서 처리하기 때문에, 다수의 노드로부터 생성된 많은 양의 데이터를 처리하는 데 빠른 응답속도를 보장하지 못한다. Edge computing은 분담을 통해 네트워크의 부담을 줄일 수 있는 IoT 네트워크에 적합한 방법으로, 데이터를 전송하고 받는 과정에서 네트워크의 대역폭을 사용하는 대신 서로 연결된 노드들이 협력해서 데이터를 처리하고, 또한 네트워크 말단에서의 데이터 처리가 허용되어 데이터 센터의 부담을 줄일 수 있다. 여러병렬 기계학습 모델 중 본 연구에서는 Stale Synchronous Parallel(SSP) 모델을 이용하여 Edge 노드에서 분산기계 학습에 적용하였다.

• 한국컴퓨터정보학회논문지
• /
• 제10권4호
• /
• pp.221-228
• /
• 2005

데이터 저장장치는 서버의 내부나 근처에 있는 것으로 인식되어 왔으나 네트워크 기술의 발달로 저장장치 시스템은 주 전산기와 원거리에 떨어져 존재할 수 있게 되었다. 인터넷 시대에 데이터 량의 폭발적인 증가는 데이터를 저장하는 시스템과 이를 전송하는 시스템의 균형 있는 발전을 요구하고 있으며 SAN(Storage Area Network)이나 NAS(Network Attached Storage)은 이러한 요구를 반영하고 있다. 저장장치로부터 최적의 성능을 도출하기 위해서 복잡한 저장 네트워크의 용량과 한계를 파악하는 것이 중요하다. 파악된 데이터는 성능 조율의 기초가 되고 저장장치의 구매 시점을 결정하는데 사용될 수도 있다. 본 논문에서는 저장 네트워크 시스템의 큐잉 네트워크를 통한 분석적 모델을 제시한 다음, 이의 시뮬레이션하여 분석적 모델이 정당하다는 것을 입증한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (1)
• /
• pp.439-441
• /
• 2005

지리학적으로 고립된 지역에서 발생하는 산불과 같은 자연재해는 네트워크 설치의 어려움으로 외부에 빠르게 알려지기 어렵다. 본 연구에서는 infestation 모델을 응용하여 기존 네트워크에서 단절된 지역에서 발생할 수 있는 자연재해를 빠르고 효과적으로 전달할 수 있는 bio-ad hoc 모델을 설계하고자 한다. Infestation이란 기존 네트워크 infrastructure와 연결된 정보기지로서, 각 노드가 좁은 대신 빠른 대역폭을 가지는 infostation의 통신가능 반경에 인접했을 때 고속데이터 전송이 가능하게 설계한 통신 모델이다. 본 연구에서는 동물에게 이식된 센서로부터 데이터를 생성하고, 각 동물들에게 무선 태그를 설치하여 그 데이터를 효율적으로 목적지까지 전송수 있는 모델을 설계하기 위하여 infestation에 도달하기 전의 데이터가 각 노드사이에서 서로 공유될 수 있는 sparse ad-hoc infostation model을 제안하였다. 이 모델의 가능성을 알아보기 위해 동물의 최대 속도를 이용하여 동물의 이동성 및 체류시간을 결정한 후에 동물의 수 및 infostation의 수에 따른 도달시간을 시뮬레이션하였다.