• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.667-669
• /
• 1998

그래프 드로잉 시스템이란 주어진 그래프에 대하여 그 그래프가 가진 어떤 특성을 가시화하여 그래픽하게 표현해 주는 소프트웨어 시스템을 말한다. 본 논문에서는 Java를 사용하여 WWW(World Wide Web) 상에서의 상호연결망 그래프의 대칭적 드로잉을 수행하는 그래프 드로잉 시스템을 소개한다. 이 시스템을 Ring, HyperCube, Butterfly와 같은 대표적인 상호연결망 그래프에 대한 기존의 드로잉과 대칭성을 잘 나타내 주는 드로잉을 동시에 보여주며, 또한 HyperCube, HyperTree, Pyramid와 같이 그 모양을 입체적으로 나타낼 수 있는 그래프에 대해서는 원근법을 사용한 3차원 드로잉을 하고 X,Y,Z 축에 따라 이를 회전시켜 그래프에 대한 이해도를 높였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.490-492
• /
• 1999

본 논문에서는 객체지향 프로그램에 대한 프로그램 정보를 분석하여 이들간의 관계를 표현할 수 있는 방법을 제시한다. 현재까지 프로그램을 분석하고 표현하기 위한 그래프 표현으로 호출 그래프, 제어흐름 그래프 및 종속 그래프 등이 있으며 이를 이용하여 테스팅, 슬라이싱, 디버깅, 프로그램 이해, 병렬처리, 역공학과 같은 다양한 분야에 적용되고 있다. 본 논문에서는 객체지향 언어의 프로그램의 시각적 이해를 돕고, 분석에 필요한 정보를 표현하는 그래프들간의 관계성을 고려한 효율적인 분석기를 표현한다. 이를 위해 클래스, 상속관계, 호출관계, 제어흐름 및 데이터 종속관계를 고려하여 객체 지향언어 분석에 필요한 그래프 요소를 멤버함수레벨, 클래스 레벨, 모듈 클래스 레벨 단위로 추출하고 이들간의 정보를 저장소로 통합 구성한다. 이를 통해 기존의 특정목적을 위해 표현하는 그래프 표현 방식은 그래프간의 관계성과 분석정보의 독립성 그리고 재사용성의 특징을 가지는 통합 분석기로 구성될 수 있다. 이러한 특징은 프로그램의 이해와 정보의 관리효과를 증가시킬 수 있으며, 많은 소프트웨어 엔지니어링 도구와 기술들에 필요한 통합화된 정보를 제공하고 이용될 수 있을 것이다.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.24 no.3
• /
• pp.437-444
• /
• 2014

In this paper, we introduce a Graph based Binary Code Execution Path Exploration Platform. In the graph, a node is defined as a conditional branch instruction, and an edge is defined as the other instructions. We implemented prototype of the proposed method and works well on real binary code. Experimental results show proposed method correctly explores execution path of target binary code. We expect our method can help Software Assurance, Secure Programming, and Malware Analysis more correct and efficient.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.487-489
• /
• 1999

기존의 절차 중심적으로 개발되어진 시스템들은 일반적으로 오래 전에 개발되었으며 규모가 크고 구조화되어 있지 않아서 이해하기 어렵고 분석에 드는 비용이 크다. 그러나 그런 시스템들은 이미 운영환경에 관한 많은 비용과 중요한 정보들을 포함하고 있어서 시스템을 폐기하기 곤란하며 새로 개발하는 데에도 많은 비용과 시간이 요구된다. 이러한 절차 중심적 소프트웨어들이 제공하는 서비스를 계속 유지해가면서 그 시스템을 현대화하기 위한 방안으로 객체 지향 구조로의 소프트웨어 재공학이 요구되고 있다. 본 논문에서는 기존의 절차 중시적 소프트웨어 시스템을 객체 지향 소프트웨어 시스템으로 변환하는 방법에 관하여 논의한다. 이를 위해 프로그램에 내재되어 있는 타입 가시성 정보와 자료 가시성 정보를 그래프로 표현하고 이 그래프를 이용하여 객체를 추출하는 방법을 제시한다. 또한, 추출된 객체들을 클래스로 표현하고 클래스들 간의 관계를 파악하며, 클래스들을 기반으로 기존의 코드를 객체 지향 중심의 코드로 변환하기 위한 방법들을 연구한다.

• Journal of KIISE:Software and Applications
• /
• v.28 no.8
• /
• pp.593-602
• /
• 2001

G-Machine은 주어진 표현식을 그래프 축약을 통해석 계산한다. 이러한 축약 과정은 표현식을 그래프로 표현하기 위해 많은 그래프 공간을 필요로 한다. 본 논문에서는 그래프 공간을 효율적으로 사용할 수 있는 방법을 제안한다. 본 논문에서는 우회 노드 장소에 자료를 중복 사용하는 방법을 제안하여 G-Machine에서 필요로 하는 그래프 공간을 절약하며, 이를 위한 새로운 추상기계인 poGM(Pointer Overlapped GM)을 제안한다. poGM에서는 필요한 곳에만 상대 주소를 사용하여, 그래프 내부 노드와 단말 노드 모두에서 그래프 공간을 절약할 수 있다. 기억 장소 재활용 체계를 포함하는 시뮬레이션의 결과벤치마크 프로그램에서 GM보다 총합 사용량은 평균32%, 최소합은 평균 47.6% 적게 사용하였으며, 수행 시간은 평균 30% 빠르게 수행되었다.

• Journal of KIISE:Software and Applications
• /
• v.26 no.12
• /
• pp.1468-1481
• /
• 1999

didates.본 논문은 절차 중심 소프트웨어를 객체 지향 소프트웨어로 재/역공학하기 위한 다단계 절차중 첫 절차인 객체 추출 절차에 대하여 기술한다. 사용한 객체 추출 방법은 전처리, 기본 분할 및 결합, 정제 결합, 결정 및 통합의 다섯 단계로 이루어진다 : 1) 전처리 과정에서는 객체 추출을 위한 FTV(Function, Type, Variable) 그래프를 생성/분할 및 클러스터링하고, 2) 기본 분할 및 결합 단계에서는 다중 객체 추출을 위한 그래프를 생성하고 생성된 그래프의 정적 객체를 추출하며, 3) 정제 결합 단계에서는 동적 객체를 추출하며, 4) 결정 단계에서는 영역 모델링과 다중 객체 후보군과의 유사도를 측정하여 영역 전문가가 하나의 최적합 후보를 선택할 수 있는 측정 결과를 제시하며, 5) 통합 단계에서는 전처리 과정에서 분리된 그래프가 여러 개 존재할 경우 각각의 처리된 그래프를 통합한다. 본 논문에서는 클러스터링 순서가 고정된 결정론적 방법을 사용하였으며, 가능한 경우의 수에 따른 다중 객체 후보, 객관적이고 의미가 있는 객체 추출 방법으로의 정제와 결정, 영역 모델링을 통한 의미적 관점에 기초한 방법 등을 사용한다. 이러한 방법을 사용함으로써 전문가는 객체 추출 단계에서 좀더 다양하고 객관적인 선택을 할 수 있다.Abstract This paper presents an object extraction process, which is the first phase of a methodology to transform procedural software to object-oriented software. The process consists of five steps: the preliminary, basic clustering & inclusion, refinement, decision and integration. In the preliminary step, FTV(Function, Type, Variable) graph for object extraction is created, divided and clustered. In the clustering & inclusion step, multiple graphs for static object candidate groups are generated. In the refinement step, each graph is refined to determine dynamic object candidate groups. In the decision step, the best candidate group is determined based on the highest similarity to class group modeled from domain engineering. In the final step, the best group is integrated with the domain model. The paper presents a new clustering method based on static clustering steps, possible object candidate grouping cases based on abstraction concept, a new refinement algorithm, a similarity algorithm for multiple n object and m classes, etc. This process provides reengineering experts an comprehensive and integrated environment to select the best or optimal object candidates.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.381-384
• /
• 2010

심장질환을 예방하기 위하여 정기적인 검진을 통한 심장 운동기능 분석과 관찰이 중요하며, 심장 기능의 분석은 좌심실의 수동윤곽분할을 통하여 혈류량과 심박구출률 계산을 통해 이루어진다. 본 논문에서는 심장단축 자기공명영상에서 좌심실을 자동분할하기 위한 연구에 대하여 설명한다. 관측자의 간섭을 최소화하고 심장기능 분석을 자동화하기 위한 자동 초기점을 추출한 후에, 그래프 탐색을 통하여 복잡한 심장 구조와 다양한 촬영환경에 적용할 수 있는 좌심실 분할 알고리즘을 제안한다. 실험 결과에 따르면 자동 초기점 추출 알고리즘의 성능은 86.8%로 나타났고, 진행 중인 그래프 탐색 알고리즘도 유용한 결과를 나타내고 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.520-522
• /
• 2022

의료 인공지능은 특정 진단에서 높은 정확도를 보이지만 모델의 신뢰성 문제로 인해 활발하게 쓰이지 못하고 있다. 이에 따라 인공지능 모델의 진단에 대한 원인 설명의 필요성이 대두되었고 설명가능한 의료 인공지능에 관한 연구가 활발히 진행되고 있다. 하지만 MRI 등 의료 영상 인공지능 분야에서 주로 진행되고 있으며, 이미지 형태가 아닌 전자의무기록 데이터 (Electronic Health Record, EHR) 를 기반으로 한 모델의 설명가능성 연구는 EHR 데이터 자체의 복잡성 때문에 활발하게 진행 되지 않고 있다. 본 논문에서는 전자의무기록 데이터인 MIMIC-III (Medical Information Mart for Intensive Care) 를 전처리 및 그래프로 표현하고, GCT (Graph Convolutional Transformer) 모델을 학습시켰다. 학습 후, 어텐션 흐름 그래프를 시각화해서 모델의 예측에 대한 직관적인 설명을 제공한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.517-518
• /
• 2023

본 논문에서는 인공지능 신경망의 하이퍼 파라미터들이 그래프 신경망 모델의 성능에 미치는 영향을 알아보기 위하여 대규모 그래프 데이터를 기반으로 이진 분류 문제를 예측하는 그래프 합성곱 신경망 모델(Graph Convolution Network Model)을 구현하고 모델의 다양한 하이퍼 파라미터 중 손실함수와 활성화 함수를 여러 가지 조합으로 적용하며 모델 학습과 예측 실험을 시행하였다. 실험 결과, 활성화 함수보다는 손실함수의 선택이 모델의 예측 성능에 좀 더 큰 영향을 미치는 것을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.524-526
• /
• 2024

컴퓨터 과학(CS) 분야는 다른 학문 분야에 비해 연구 동향이 빠르게 변하는 특성을 가지고 있다. 그래프 마이닝에서 활발히 사용되는 CS 분야 논문 데이터셋를(e.g., Cora, Citeseer, DBLP)은 오래된 논문을 중심으로 구성되어 있어 이러한 특성을 제대로 반영하지 못하는 한계가 있다. 따라서 본논문에서는 CS 분야의 최신 트렌드를 반영하는 논문 데이터셋을 제안한다. 이를 위해, 우리는 CS 분야 논문을 활발히 공개하는 플랫폼인 arXiv 에서 2007 년부터 2023 년까지 해당 플랫폼에서 공개된 논문들을 수집하고, 이를 기반으로 공저자 그래프 및 인용 그래프로 구축한다. 해당 데이터셋을 대상으로 폭넓은 분석을 통해, 우리가 구축한 데이터셋이 실세계 그래프 네트워크 특성을 잘 반영하고 있음을 보인다. 또한, 향휴에 해당 데이터셋을 사용하려는 연구자들을 위해, 해당 데이터셋에서의 기존 그래프 기반 응용들의 노드 분류 성능을 제시한다.