• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.121-123
• /
• 2005

최근 LBS(Location Based Service) 밑 텔레매틱스 응용의 효과적인 지원을 위해, 도로, 철도와 같은 공간 네트워크 데이터베이스에 관한 연구가 활발히 수행 중에 있다. 한편 공간 네트워크 데이터베이스에 대한 효율적인 접근을 위해, 공간 네트워크 자체의 데이터, POI 데이터, 이동 객체 데이터를 효율적으로 저장 및 색인하는 구조가 설계되었다[1]. 따라서 본 논문에서는 설계된 공간 네트워크 데이터베이스를 위한 저장/색인 구조를 구현하고 이를 공간 네트워크 자체의 데이터 검색, POI 데이터 검색, 이동 객체 궤적 검색 관점에서 성능평가를 수행한다. 아울러 기존에 연구되었던 접근 기법과 검색 성능을 비교한다.

• 한국통신학회논문지
• /
• 제28권5B호
• /
• pp.404-413
• /
• 2003

광 네트워크의 형태가 IP over WDM의 형태로 발전해 나아감에 따라 이러한 광 도메인 내에서의 스위칭 또한 다양한 방법들이 제안되고 있다. 그 중 현재 그리고 가까운 장래에 촉망되는 방법으로 파장 라우팅 (Wavelength Routing: WR) 방식과 광 버스트 스위칭 (Optical Burst Switching: OBS) 방식이 활발히 연구되어지고 있다. 본 논문에서는 이러한 두 스위칭 방식을 적용시킨 파장 라우팅 네트워크와 광 버스트 스위칭 네트워크의 성능을 평가 비교해보고, 광 버스트 스위칭 네트워크가 파장 라우팅 네트워크에 비하여 우수한 성능을 보일 수 있는 조건들을 도출하였다. 또한, 이러한 결과들을 바탕으로 IP over WDM 네트워크에서 광 버스트 스위칭이 효율적으로 우수하다는 것을 입증하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2004년도 춘계학술발표대회논문집
• /
• pp.433-437
• /
• 2004

지오멀티캐스트는 특별한 지역의존 멀티캐스트 기술이며, 여기서 메시지는 특별한 지역 내에 있는 특별한 사용자 그룹들에게 멀티캐스트 된다. 본 논문에서는 모바일 ad-hoc 네트워크에서 효율적인 비용과 높은 메시지 전송률을 가지는 지오멀티캐스트 구조들과 지오멀티캐스트 서비스를 지원하기 위해서 사용되는 방법들의 성능을 평가하기 위한 구조를 정의하고 제안한다. 이러한 성능평가 구조에 기초하여 제안된 지오멀티캐스트 방법 및 프로토콜들의 성능을 평가하고 이를 기반으로 하여 여러 가지 디자인 및 동작 파라미터들의 영향에 관하여 고찰 점검한다.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2003년도 추계공동학술대회
• /
• pp.411-415
• /
• 2003

본 논문에서는 비단조뉴런 모델을 이용한 DBM(Deterministic Boltzmann Machine)네트워크의 학습능력을 평가하였다. 먼저 제안한 네트워크의 은닉층 뉴런수의 변화에 따른 학습성능을 기존의 단조뉴런 모델을 이용한 네트워크의 경우와 비교하였다. 또한 대표적인 학습 모델인 백프로퍼게이션의 경우와도 비교하여 제안한 네트워크가 우수한 성능을 보임을 확인하였다. 마지막으로 네트워크의 응용을 위하여 비단조 DBM 네트워크를 VHDL로 구현하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2003년도 추계종합학술대회
• /
• pp.669-672
• /
• 2003

컴퓨터와 네트워크 기술이 급속도로 발전하고 있다. 시간이 흐를수록 다양한 해킹 수법들이 발생하고 있으며, 이에 따라 사람들의 보안에 대한 관심이 높아지고 있다. 네트워크보안 시스템들은 네트워크에 많이 설치되어 사용되고 있다. 그러나, 이러한 보안시스템들을 평가할 수 있는 객관적인 성능평가 체계가 정립되어 있지 않아 제품선정에 어려움을 겪고 있다. 본 논문에서는 침입차단시스템과 침입탐지시스템, 침입방지시스템 등의 네트워크 보안제품들의 기능과 성능을 시험할 수 있는 시험도구를 설계하였다.

• 한국음향학회지
• /
• 제41권1호
• /
• pp.30-37
• /
• 2022

본 논문은 주파수 영역에서 심층 신경망 기반 음성 향상 모델 학습을 위하여 학습 대상과 네트워크 구조에 따라 두 가지 관점에서 성능을 비교 평가한다. 이때, 학습 대상으로는 스펙트럼 매핑과 Time-Frequency(T-F) 마스킹 기법을 사용하였고 네트워크 구조는 실수 네트워크와 복소 네트워크를 사용하였다. 음성 향상 모델의 성능은 데이터 셋 규모에 따라 Perceptual Evaluation of Speech Quality(PESQ)와 Short-Time Objective Intelligibility(STOI) 두 가지 객관적 평가지표를 통해 평가하였다. 실험 결과, 네트워크의 종류와 데이터 셋 종류에 따라 적정한 훈련 데이터의 크기가 다르다는 것을 확인하였다. 또한, 데이터의 크기와 학습 대상에 따라 복소 네트워크보다 실수 네트워크가 비교적 높은 성능을 보이기 때문에 총 파라미터의 수를 고려한다면 경우에 따라 실수 네트워크를 사용하는 것이 보다 현실적인 해결책일 수 있다는 것을 확인하였다.

• 문화기술의 융합
• /
• 제8권2호
• /
• pp.379-384
• /
• 2022

무선 센서 네트워크에서는 직접 접근이 어려운 환경에 대량으로 센서 노드들이 배치된다. 배터리 교체나 재충전 등 전력 공급이 어렵다. 에너지를 센서 노드와 같이 사용하는 것이 매우 중요하다. 따라서, 네트워크의 수명을 늘리기 위해 중요한 고려 사항은 각 센서 노드의 에너지 소비를 최소화하는 것이다. 무선 센서 노드의 에너지가 에너지를 다하여 방전되면 센서 노드의 제 역할을 할 수 없으며, 네트워크 내 노드의 일정량(50% 또는 80%) 이상이 소진되면 네트워크가 제 역할을 하지 못한다. 따라서 노드의 에너지 소비를 최소화하고 네트워크를 장기간 유지하기 위해 다양한 프로토콜에서 제안된 방법이다. 우리는 클러스터의 중심점과 잔류 에너지를 고려하고 플롯 포인트와 K-평균을 고려한다(WSN은 최적의 클러스터링 클러스터링을 제안한다). KOCED 프로토콜에 대한 성능 평가를 하고자한다. 최근 머신러닝 방법 중 하나인 K-평균 알고리즘을 적용한 프로토콜을 비교하고 성능 평가 요소를 제시하고자 한다.

• 한국정보통신학회논문지
• /
• 제26권5호
• /
• pp.725-730
• /
• 2022

NDN(Named Data Networking)은 미래의 인터넷 아키텍처를 실현하기 위한 ICN의 대표 기술이라 할 수 있다. NDN은 특정 데이터를 갖는 호스트 IP 주소가 아닌 데이터 이름 자체로 데이터를 검색한다. Consumer는 요청하고자하는 데이터의 이름을 갖는 Interst 패킷을 NDN 네트워크에 보내고, NDN 네트워크 안에 존재하는 NDN 라우터는 CS, FIB, PIT 세 가지 이름 테이블을 이용해 Interest 패킷을 다음 홉으로 포워딩한다. Producer 혹은 NDN 라우터는 Interest 패킷이 운반한 데이터의 이름에 해당하는 데이터 패킷을 consumer에게 역시 이름 기반 포워딩을 통해 전송한다. 본 논문에서는 ndnSIM 기반 NDN 네트워크를 설계 구현하고 성능 평가를 수행한다. ndnSIM 구조를 분석하고, ndnSIM을 이용해 6-node 혼잡 NDN 네트워크 및 9-node grid NDN 네트워크를 개발한다. 구현한 두 개의 NDN 네트워크에 대해 Interest 패킷 전송율의 증가에 따른 패킷 지연 성능 및 패킷 전송 처리율 성능을 시뮬레이션을 통해 측정한다. NDN 네트워크 안에 혼잡이 패킷 지연 및 전송 처리율에 미치는 영향을 분석하고 이것이 미래에 NDN 네트워크를 구축 개발하고자하는 엔지니어들에게 하나의 사전지식으로 제공되길 기대한다.

• KNOM Review
• /
• 제22권1호
• /
• pp.20-29
• /
• 2019

최근 유해 네트워크 트래픽을 탐지하기 위해 머신러닝 기법을 활용하는 다양한 방법론들이 주목을 받고 있다. 이 논문에서는 컨볼루션 신경망 (Convolutioanl Neural Network)을 기반으로 유해 네트워크 트래픽을 분류하는 기법을 소개하고 그 성능을 평가한다. 이미지 처리에 강한 컨볼루션 신경망의 활용을 위해, 네트워크 트래픽의 주요 정보를 규격화된 이미지로 변환하는 방법을 제안하고, 변환된 이미지를 입력으로 컨볼루션 신경망을 학습시켜 유해 네트워크 트래픽의 분류를 수행하도록 한다. 실제 네트워크 트래픽 관련 데이터셋을 활용하여 이미지 변환 및 컨볼루션 신경망 기반 네트워크 트래픽 분류 기법의 성능을 검증하였다. 특히, 다양한 컨볼루션 신경망 기반 네트워크 모델 구성에 따른 트래픽 분류 기법의 성능을 평가하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.451-453
• /
• 2019

최근 무선 통신기기의 사용이 증가함에 따라 무선 네트워크 사용량이 증가하여 유선 네트워크와 무선 네트워크가 혼합되어 네트워크가 형성 되었다. 기존 TCP 알고리즘들은 유선 네트워크에 적합하게 설계 되었다. 따라서 현대의 네트워크 환경에서 패킷 손실을 정확히 구별하지 못하고 부적절한 혼잡제어를 수행하여 TCP의 성능 저하를 초래한다. 본 논문에서는 TCP 성능을 개선하기 위하여 패킷 손실이 발생한 환경에 따라 정확히 구분할 수 있는 SLDA(Support vector machine based Loss Discrimination Al gorithm)를 제안하고 그 성능을 평가한다.