• 정보보호학회논문지
• /
• 제22권4호
• /
• pp.785-796
• /
• 2012

본 논문에서는 악성코드의 시스템 콜 빈도수를 특징값으로 행위 기반 탐지(behavior-based detection)를 할 때, 시스템 콜의 속성 개수보다 학습데이터 개수가 적더라도 효과적으로 악성 코드를 탐지하는 기법을 제안한다. 이 연구에서는, 프로그램 코드가 동작할 때, 발생시키는 윈도우 커널 데이터인 Native API를 수집하여 빈도수로 정규화한 것을 기본적인 속성 값으로 사용하였다. 또한 악성코드와 정상 코드를 효과적으로 분류할 수 있으면서, 악성코드를 분류하기 위한 기본적인 속성의 개수보다 학습데이터 개수가 적어도 적용 가능한 GLDA(Generalized Linear Discriminant Analysis)를 사용하여, 새로운 속성 값들로 전환하였다. 분류 기법으로는 베이지언 분류법의 일종인 kNN(k-Nearest Neighbor) 분류법을 이용하여 악성 코드를 탐지하였다. 제안된 탐지 기법의 성능을 검증하기 위하여 수집된 Native API 로 기존의 연구 방법과 비교 검증하였다. 본 논문에 제안된 기법이 탐지율(detection rate) 100%인 Threshold 값에서, 다른 탐지 기법보다 낮은 오탐율(false positive rate)을 나타내었다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.1-25
• /
• 2020

대규모 텍스트에서 관심 대상이 가지고 있는 속성들에 대한 감성을 세부적으로 분석하는 속성기반 감성분석(Aspect-Based Sentiment Analysis)은 상당한 비즈니스 가치를 제공한다. 특히, 텍스트에 속성어가 존재하는 명시적 속성뿐만 아니라 속성어가 없는 암시적 속성까지 분석 대상으로 하는 속성카테고리 감성분류(ACSC, Aspect Category Sentiment Classification)는 속성기반 감성분석에서 중요한 의미를 지니고 있다. 본 연구는 속성카테고리 감성분류에 BERT 사전훈련 언어 모델을 적용할 때 기존 연구에서 다루지 않은 다음과 같은 주요 이슈들에 대한 답을 찾고, 이를 통해 우수한 ACSC 모델 구조를 도출하고자 한다. 첫째, [CLS] 토큰의 출력 벡터만 분류벡터로 사용하기보다는 속성카테고리에 대한 토큰들의 출력 벡터를 분류벡터에 반영하면 더 나은 성능을 달성할 수 있지 않을까? 둘째, 입력 데이터의 문장-쌍(sentence-pair) 구성에서 QA(Question Answering)와 NLI(Natural Language Inference) 타입 간 성능 차이가 존재할까? 셋째, 입력 데이터의 QA 또는 NLI 타입 문장-쌍 구성에서 속성카테고리를 포함한 문장의 순서에 따른 성능 차이가 존재할까? 이러한 연구 목적을 달성하기 위해 입력 및 출력 옵션들의 조합에 따라 12가지 ACSC 모델들을 구현하고 4종 영어 벤치마크 데이터셋에 대한 실험을 통해 기존 모델 이상의 성능을 제공하는 ACSC 모델들을 도출하였다. 그리고 [CLS] 토큰에 대한 출력 벡터를 분류벡터로 사용하기 보다는 속성카테고리 토큰의 출력 벡터를 사용하거나 두 가지를 함께 사용하는 것이 더욱 효과적이고, NLI 보다는 QA 타입의 입력이 대체적으로 더 나은 성능을 제공하며, QA 타입 안에서 속성이 포함된 문장의 순서는 성능과 무관한 점 등의 유용한 시사점들을 발견하였다. 본 연구에서 사용한 ACSC 모델 디자인을 위한 방법론은 다른 연구에도 비슷하게 응용될 수 있을 것으로 기대된다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.433-435
• /
• 2004

소프트웨어 분석은 어떠한 관점을 가지고 소프트웨어 산출물의 속성을 평가하고 평가결과에 대한 원인을 밝히는 행위를 말한다. 이 논문에서는 분석의 체계를 정립하기 위하여 다음을 수행하였다. 첫째 분석의 정의를 내리고, 종합과 비교되는 분석의 일반직 개념, 평가, 측정, 측정법과의 관계를 밝혔다. 둘째, 분석의 관점이 되는 속성을 이해하고자. 속성들을 특징에 따라 분류하였다 마지막으로 속성별, 산출물별로 기존의 분석 방법을 조사하고 기존의 분석 방법을 평가하였다.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2006년도 춘계 국제학술대회 논문집
• /
• pp.389-396
• /
• 2006

본 연구에서는 한국어와 영어 메일을 대상으로 2단계 스팸 메일 필터링 시스템을 구축하여 성능평가를 수행한다. 2단계 스팸 메일 필터링 시스템은 블랙리스트를 활용하는 1단계와 기계학습을 통한 지능적인 분류를 하는 2단계로 구성된다. 만약 새로 도착한 메일이 블랙리스트의 내용을 포함한다면 이 메일은 스팸 메일로 분류되고 그렇지 않은 메일은 2단계로 넘어가서 스팸 메일 여부를 판단하게 된다. 메일의 본문이 영어로 작성된 영어 스팸 메일을 일반 메일로부터 분류해내기 위해서는 우선 Stemming과 Stopping 기법을 이용하여 본문에서 정형화된 어휘정보들을 추출한다. 추출된 어휘정보들을 대상으로 속성벡터를 구축한 후 SVM 기계 학습을 시켜 SVM 분류기를 생성하여 지능적인 스팸 메일 필터링을 수행한다. 속성벡터를 구축할 때 기준이 되는 자질을 어떻게 선택하느냐에 따라 스팸 메일 필터링 시스템의 성능이 좌우된다. 따라서 SYM 기계 학습을 위한 속성벡터를 구축할 때 기준이 되는 자질을 선택하는 여러 알고리즘들을 적용하여 성능을 비교 분석한다. 그리고 한국어 스팸 메일 필터링 시스템과 비교하여 영어 스팸 메일 필터링 시스템의 전체적인 성능을 비교 분석한다.

• 한국조경학회지
• /
• 제46권1호
• /
• pp.29-37
• /
• 2018

본 연구는 놀이의 본질을 설명하는 놀이속성어를 추출하고, 이러한 속성이 현재 사용되는 어린이놀이시설물과의연관성을 지니는지를 확인하는 연구이다. 놀이시설물에 반영된 놀이속성을 조사하여 부족한 점을 보완함으로써 어린이에게 균형 잡힌 놀이 환경을 제공할 수 있다고 생각하기 때문이다. 이에 본 연구에서는 문헌조사 및 분석을 통해 속성어를 추출하고, 추출된 속성어에 대하여 전문가 설문을 실시하였다. 놀이를 설명하는 키워드는 참고문헌과 신문기사 등에서 추출하고 압축하여 놀이속성어로 규정하였고, 6개의 대분류와 26개의 중분류로 분류하였다. 이 내용을 바탕으로 실시한 전문가 인식조사에서 주요 놀이속성어의 중요도는 소통(0.268%) > 상상력(0.201%) > 정서(0.190%) > 발달(0.167%) > 학습(0.108%) > 지능(0.067%)의 순서로 나타났다. 전문가들은 '소통'과 '상상력' 등을 놀이에서 가장 중요한 요소로 인지하고 있었다. 도출된 내용을 바탕으로 놀이시설물과 연관되는 각각의 놀이속성어를 구분하고, 서울시 114개소 어린이 공원에 설치된 놀이시설물 현황을 파악하였다. 서울시 어린이공원에 설치된 놀이시설물에는 놀이속성어 중 '발달'을 위주로 한 신체발달 놀이시설물이 높은 빈도로 모든 어린이공원에 반영되었으며, 전문가들이 중요한 요소로 나타난 '소통'과 '상상력' 등 인지관련 놀이시설물은 실제 충분히 반영되어 있지 않아 적극적으로 도입할 필요성이 있는 것으로 판단되었다. 본 연구를 통해 현재 이용되고 있는 어린이 공원의 부족한 놀이시설물을 파악하고, 놀이의 기능에 대한 의문을 제기함으로써 향후 개선방향을 제안하고자 하였다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 추계종합학술대회논문집
• /
• pp.105-108
• /
• 2000

본 논문에서는 텍스쳐가 지니고 있는 일반적인 속성 거침, 부드러움의 특성을 분석해서 영상에 내재된 텍스쳐를 자동으로 분석하고 분류하는 텍스쳐 인식 시스템을 제안한다. 본 연구는 텍스쳐 영상이 지닌 그레이 레벨의 공간적인 의존성을 이용한 통계적 분석에 기반 한 것으로 모멘트와 동차성의 차를 이용해서 텍스쳐의 일반적인 속성을 검출하기 때문에 텍스쳐의 구조형태에 크게 영향을 받지 않는 이점을 가진다. 제안한 시스템의 성능 평가를 위해서 다양한 텍스쳐 영상에 제안한 방법을 적용하고, 성공적인 결과를 보인다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.244-246
• /
• 2001

최근 군집화와 분류기법이 데이터 마이닝에 중요한 도구로 많은 응용분야에 사용되고 있다. 따라서 이러한 기법을 이용하는데 있어서 각각의 속성의 중요도가 달라 중요하지 않은 속성에 의해 중요한 속성이 왜곡되거나 때로는 마이닝의 결과가 잘못되는 결과를 얻을 수 있으며, 또한 전체 데이터를 사용할 경우 마이닝 과정을 저하시키는 문제로 속성 가중치과 속성선택에 과한 연구가 중요한 연구의 대상이 되고 있다. 최근 연구되고 있는 알고리즘들은 사용자의 의도와는 상관없이 데이터간의 관계에만 의존하여 가중치를 설정하므로 사용자가 마이닝 결과를 쉽게 이해하고 분석할 수 없는 문제점을 안고 있다. 본 논문에서는 클래스 정보가 있는 데이터뿐 아니라 클래스 정보가 없는 데이터를 분석할 경우 사용자의 의도에 따라 학습할 수 있도록 각 가중치를 부여하는 속성가중치 알고리즘을 제안한다. 또한 사용자가 의도한 정보를 이용하여 속성간의 가장 최적화 된 가중치를 찾아주며, Cramer's $V^2$함수를 적합도 함수로 하는 유전자 알고리즘을 사용한다. 알고리즘의 타당성을 검증하기 위해 전자상거래상의 실험 데이터와 몇 가지 벤치마크 데이터를 이용하여 본 논문의 타당성을 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.242-247
• /
• 2011

본 연구는 한국형 Reach File을 개발하기 위한 선행 연구로써 한국형 Reach File의 필수 구성요소 중 하나인 속성을 설계하는 것을 목표로 하였다. 이를 위해 우선 미국 Reach File 구축 사례를 검토하였고, 특히 최종 버전인 RF3(Reach File version 3)의 속성 내역을 정리하여 설계에 참조하였다. 국내 TMDL 업무 분석을 수행하여 업무 활용 측면에서 요구되는 속성도 모델링을 통해 속성 설계에 반영하였으며, 아울러 아크-노드 모델(Arc-node model) 기반의 네트워크 형식의 공간자료를 구축하는 것을 가정하여 네트워크 분석에도 활용이 가능하도록 선형 및 점형 도형자료 간 위상관계도 속성 설계에 반영하였다. 연구 결과에서 한국형 Reach File의 속성은 '위상(topology)', '위치(location)', '주제(theme)'의 세 가지 대분류에 따라 모델링되었으며, 각 분류에 따라 세부 속성이 정의되었다. 고유 식별자를 포함하여 선형 도형자료의 경우 총 53개, 점형 도형자료의 경우 총 13개의 세부 속성이 정의되었고, 각 속성에 대한 속성명, 필드명, 데이터 타입 및 길이 등에 관한 상세 설계서가 작성되었다. 본 연구를 통해 개발된 속성 설계서는 향후 한국형 Reach File 구축에 직접 활용이 가능하며, 따라서 한국형 Reach File의 구체적인 개발 방향의 설정에도 기여할 것으로 예상된다. 향후 연구에서는 속성 설계서 결과를 바탕으로 한국형 Reach File 구축 및 활용에 관한 연구가 뒤따라야 한다.

• 경영정보학연구
• /
• 제22권4호
• /
• pp.21-39
• /
• 2020

딥러닝(Deep learning) 기법은 패턴분석, 이미지분류 등 다양한 분야에서 높은 성과를 나타내고 있다. 특히, 주식시장 분석문제는 머신러닝 연구분야에서도 어려운 분야이므로 딥러닝이 많이 활용되는 영역이다. 본 연구에서는 패턴분석과 분류능력이 높은 딥러닝의 일종인 합성곱신경망(Convolutional Neural Network) 모델을 활용하여 주가방향 예측방법을 제안한다. 추가적으로 합성곱신경망 모델을 효율적으로 학습시키기 위한 속성선택(Feature Selection, FS)방법이 적용된다. 합성곱신경망 모델의 성과는 머신러닝 단일 분류기와 앙상블 분류기를 벤치마킹하여 객관적으로 검증된다. 본 연구에서 벤치마킹한 분류기는 로지스틱 회귀분석(Logistic Regression), 의사결정나무(Decision Tree), 인공신경망(Neural Network), 서포트 벡터머신(Support Vector Machine), 아다부스트(Adaboost), 배깅(Bagging), 랜덤포레스트(Random Forest)이다. 실증분석 결과, 속성선택을 적용한 합성곱신경망이 다른 벤치마킹 분류기보다 분류 성능이 상대적으로 높게 나타났다. 이러한 결과는 합성곱신경망 모델과 속성선택방법을 적용한 예측방법이 기업의 재무자료에 내포된 가치를 보다 정교하게 분석할 수 있는 가능성이 있음을 실증적으로 확인할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.619-622
• /
• 2012

본 연구에서는 키넥트(Kinect) 센서를 통해 수화 동작에서 손의 좌표와 이동방향을 추출하여 속성으로 하고, 데이터 마이닝의 분류 기법을 통해 수화를 인식하여 그 결과를 한글 텍스트로 번역해주는 소프트웨어를 개발한다. 제안 방법의 1단계에서는 0.05초 단위로 추출한 손의 좌표만을 속성으로 한다. 2단계에서는 개개인의 특성 및 화면상의 위치와 같은 요소에 따라 좌표 값이 달라지기 때문에, 손의 움직임에서 변위를 추출하여 손이 움직이는 방향을 속성으로 한다. 하지만 비슷한 방향으로 움직이는 수화가 있을 경우 수화의 구분이 어려우므로 3단계에서는 손의 좌표, 방향 두 가지를 분류하는 속성으로 사용한다. 향후 연구 방향은 수화의 중요한 요소인 손의 위치를 속성으로 추가시키고, 데이터 마이닝의 부스팅(Boosting) 기법을 적용하여 인식률을 높이는 것이다.