• Journal of Internet Computing and Services
• /
• v.23 no.1
• /
• pp.87-93
• /
• 2022

Since 99% of PCs operating in the defense domain use the Windows operating system, detection and response of Window-based malware is very important to keep the defense cyberspace safe. This paper proposes a model capable of detecting malware in a Windows PE (Portable Executable) format. The detection model was designed with an emphasis on rapid update of the training model to efficiently cope with rapidly increasing malware rather than the detection accuracy. Therefore, in order to improve the training speed, the detection model was designed based on a Bidirectional LSTM (Long Short Term Memory) network that can detect malware with minimal sequence data without complicated pre-processing. The experiment was conducted using the EMBER2018 dataset, As a result of training the model with feature sets consisting of three type of sequence data(Byte-Entropy Histogram, Byte Histogram, and String Distribution), accuracy of 90.79% was achieved. Meanwhile, it was confirmed that the training time was shortened to 1/4 compared to the existing detection model, enabling rapid update of the detection model to respond to new types of malware on the surge.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.430-430
• /
• 2022

20년 이상의 분단위 강우자료가 없는 지역에서는 연강수량, 월강수량, 일강수량 등을 이용하여 강우가식성지표를 추정하는 연구가 이루어지고 있다. 이중에서 월강수량을 이용한 연평균 강우가식성지표 추정방법은 Fouriner Index, Modified Index, IAS index, Modified IAS index 등 학계에서 다양한 모델이 제시된 바 있다. 국내에서는 1971 ~ 1999년 기간의 기상청 관측지점에 대한 평가가 일부 이루어진 바 있으나, 월강수량을 이용한 추정모델에 대한 후속 연구는 이루어지지 않았다. 본 연구에서는 1981 ~ 2020년 기간의 기상청 강우자료를 이용하여 월강수량 기반 강우가식성지표 추정모델의 적용성을 평가하기 위한 것으로, 선행 연구에서 기산정된 지점별 연평균 강우가식성지표 값을 바탕으로, 월강수량 기반의 기존 추정모델로 산정한 값을 비교 분석하였다. 이를 바탕으로 실무에서 활용할 수 있도록 월강수량을 이용하여 연평균 강우가식성지표를 추정할 수 있는 경험식을 업데이트 하여 제안하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.658-661
• /
• 2024

퍼블릭 클라우드 시장이 성장하면서 퍼블릭 클라우드에서 호스팅하는 컴퓨팅 자원으로 구축된 거대하고 복잡한 IT 시스템이 점차 많아지고 있다. 이러한 시스템의 증가는 서비스 장애 발생 확률을 높이므로, 장애 관리 및 선제 감지를 위한 퍼블릭 클라우드 자원의 이상 감지 연구에 대한 수요 또한 증가하고 있다. 그러나 연구에 활용할 수 있는 벤치마크 데이터셋이 없다는 점과, 실제 자원에서 추출할 수 있는 데이터는 레이블링이 되어 있지 않은 불균형 데이터라는 점 때문에 관련 연구가 부족한 상황이다. 이러한 문제를 해결하고자 본 논문은 비지도 방식의 표현 학습 기반 딥러닝 모델을 활용한 이상 감지 시스템을 제안한다. 시스템의 이상 감지 성능을 유지하고자 일정 주기마다 다수의 딥러닝 모델을 재학습하고 비교하여 최적의 모델로 업데이트 하는 방식을 고안하였다. 해당 시스템의 평가에는 실제 퍼블릭 클라우드 자원에서 발생한 메트릭 데이터가 활용됐으며, 그 결과 준수한 이상 감지 성능을 보인다는 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.75-77
• /
• 2021

A variety of search engines are currently in use. The search engine supports the retrieval of data required by users through three stages: crawling, index generation, and output of search results based on meta-tag information. However, a large number of documents obtained by searching for keywords are often unrelated or scarce. Because of these problems, it takes time and effort to grasp the content from the search results and classify the accuracy. The index of search engines is updated periodically, but the criteria for weighted values and update periods are different from one search engine to another. Therefore, this paper uses the LSTM model, which extracts the relationship between keywords entered by the user and documents instead of the existing search engine, and improves the relationship between keywords and documents by entering keywords that the user wants to find.

• Journal of Internet Computing and Services
• /
• v.17 no.3
• /
• pp.25-32
• /
• 2016

In this paper, we propose a method that is tracking an object in real time using particle filter and the observation model with edge. First of all, the proposed method defines the object to be tracked in the initial frame. Then, it generates the edge observation model for the object to be tracked and a set of particles. It calculates the weight by comparing the average of the middle distance in eight-way of particle filter edge model with that in edge observation model, and then updates the weight with the calculated value. After resampling particles using the updated weights, it estimates the current location of the tracked object. Finally, this paper demonstrates the performance of the stable tracking through comparison with the existing method by using a number of experimental data.

• The KIPS Transactions:PartC
• /
• v.11C no.7 s.96
• /
• pp.917-922
• /
• 2004

Mobile ad hoc networks (MANETs) are networks of mobile nodes that have no fixed network infrastructure. Since the mobile node's location changes frequently, it is an attractive area to maintain the node's location efficiently. In this paper, we present an adaptive randomized database group (ARDG) scheme to manage the mobile nodes mobility in MHANETs. The proposed scheme stores the network nodes' location in location databases to manage the nodes' mobility. When a mobile node changes its location or needs a node's location, the node randomly select some databases to update or que교 the location information. The number of the selected databases is fixed in the case of querying while the number of the databases is determined according to the node's popularity in the case of updating. We evaluated the performance of the proposed scheme using an analytical model, and compared the performance with that of the conventional randomized database group (RDG) scheme.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.618-621
• /
• 2023

최근 거대언어모델(LLM)이 기계 번역 및 기계 독해를 포함한 다양한 문제들에서 높은 성능을 보이고 있다. 특히 프롬프트 기반의 대규모 언어 모델은 사고사슬 방식으로 적절한 프롬프팅을 통해 원하는 형식의 답변을 생성할 수 있으며 자연어 추론 단계에서도 높은 정확도를 보여주고 있다. 그러나 근본적으로 LLM의 매개변수에 질문에 관련된 지식이 없거나 최신 정보로 업데이트 되지 않은 경우 추론이 어렵다. 이를 해결하기 위해, 본 연구는 검색문서와 생성모델의 상호작용을 통해 답변하는 한국어 질의응답 모델을 제안한다. 검색이 어려운 경우 생성형 모델을 통해 질문과 관련된 문장을 생성하며, 이는 다시 검색모델과 추론 과정에서 활용된다. 추가로 "판단불가"라는 프롬프팅을 통해 모델이 답변할 수 없는 경우를 스스로 판단하게 한다. 본 연구결과에서 GPT3를 활용한 사고사슬 모델이 63.4의 F1 점수를 보여주며 생성형 모델과 검색모델의 융합이 적절한 프롬프팅을 통해 오픈-도메인 질의응답에서 성능의 향상을 보여준다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06d
• /
• pp.456-458
• /
• 2012

최근 스마트폰의 개발과 어플리케이션의 다양화로 인하여 OpenAPI을 사용한 'Mashup'의 기술이 많은 곳에서 이용되고 있다. 매쉬업은 2가지 이상의 서비스를 복합하여 사용하므로 요구 목적에 맞는 새로운 형태의 서비스를 만들어 낸다는 장점도 있지만, OpenAPI 정보 제공자에게 종속될 수밖에 없다는 점과, 서비스를 융합하는 과정이 복잡하다는 문제점이 존재한다. 이러한 문제점들은 매쉬업 프로그램 개발과 유지에 있어서 큰 장벽이 된다. 그래서 매쉬업 개발자에게는 자신의 서비스를 만들어 내기 위하여 손쉽게 OpenaAPI에 접근하는 방법과 매쉬업의 문제점을 보완할 수 있는 서비스가 필요하다. 본 논문에서는 매쉬업 서비스의 효율적 관리와 문제점을 보완할 수 있는 통합적 매쉬업 관리 모델에 대해서 다룬다. 통합적 매쉬업 관리 모델은 '선택적 매쉬업'과 '자가 복구 시스템'으로 구성된다. 선택적 매쉬업은 사용자가 원하는 매쉬업 데이터를 얻기 위해서 여러 번 작업을 해야 한다는 번거로움을 간편화하여 효율적 작업처리가 가능하게 하였다. 또한, 자가 복구 시스템은 매쉬업의 단점인 종속적 정보 획득을 보완하고 방지하기 위해서 OpenAPI 수집 에이전트를 통하여 중복된 OpenAPI를 수집, 요구된 매쉬업 정보를 자동 업데이트를 수행하는 기능을 제공한다. 통합적 매쉬업 관리 모델은 매쉬업 사용자에게 편리한 접근 인터페이스 제공하고 종속성이라는 문제점을 해결해 줄 수 있을 것이라고 본다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.589-592
• /
• 2005

웹을 통한 정보량의 폭발적인 증가로 인하여, 사용자에게 적합한 정보만을 제공할 수 있는 개인화 기술에 관심이 증가하고 있다. 정보를 선별하고 추천하는 대표적인 개인화 기술로서 Contentbased Filtering(CBF) 기법과 Collaborative Filtering(CF) 기법이 널리 사용되고 있다. 본 논문에서는 위에서 언급한 CBF 기법과 CF 기법을 혼합하여, 사용자 선호도를 보다 정확하게 반영할 수 있는 새로운 모델을 제시한다. 또한, Demographic Filtering 기법과 전문가의 추천을 고려한 Fusion Model 을 제시한다. 그리고 사용자 선호 모델을 실시간으로 반영하기 위한 업데이트 방법을 Exponential Smoothing 기법을 사용하여 구성하였다.

• Proceedings of the KIEE Conference
• /
• 2001.11b
• /
• pp.88-91
• /
• 2001

본 연구에서는 전력계동의 다이나믹스를 정확하게 표현할 수 있는 기계적 시스템인 등가역학 모델(Equivalent Mechanical Model: EMM)을 제안하고, 이를 기초로 확고한 수학적 해석을 통해 에너지 함수의 유도 방법을 체계화 하고 물리적 의미를 파악함으로써 에너지 함수를 이용한 시스템 해석에 대한 이론적 배경을 마련한다. 또한 시영역 모의법을 이용한 과도안정도 해석의 간접법에서 SI법중 Trapezoidal법에서의 오차를 줄일수 있는 알고리즘을 제시한다. 먼저 수학적 이론을 바탕으로 전력계통에 적용하여 상태변수를 업데이트 시킴으로써 Trapezoidal법에서보다 더 정확한 데이터를 얻고자 한다. 본 연구에서는 명확한 수학적 이론의 적용을 위해 1기 무한대 모선을 모델로 시뮬레이션 하였으며 결과의 비교분석을 위해 Runge-Kutta법에 의한 시영역 모의와 비교하였다.