• 한국콘텐츠학회논문지
• /
• 제10권11호
• /
• pp.48-57
• /
• 2010

기존의 우편 영상의 인식 연구는 수신인의 주소 정보를 인식하는데 초점이 맞춰 있었다. 상대적으로 발송인의 주소 정보를 인식하려는 연구는 적었다. 다량우편물 발송 업체의 우편물의 인쇄품질 검증 처리 및 반송 처리 등 송신자 정보를 이용한 서비스 및 응용을 위하여 송신자 정보의 인식 연구는 필요하다. 이 논문은 SIFT (Scale Invariant Feature Transform)을 이용하여 우편 영상의 송신자를 인식하는 방법을 제안하고 인식 실험을 하였다. SIFT 방법은 우수한 인식률을 보이나 등록한 모델수에 비례하여 keypoint들을 매칭하는데 소요하는 시간도 증가하는 시간 문제와 우편 영상의 특성상 서로 다른 모델일지라도 유사한 keypoint가 많아 오인식되는 문제가 있었다. 이를 해결하기 위해 거리함수를 추가한 SIFT를 제안하고 시간과 성능을 비교 실험 하였다. 또한 모델을 등록하는 수작업 과정 없이 자동으로 모델을 등록하고 분류하는 방법도 제안한다.

• 한국인터넷방송통신학회논문지
• /
• 제13권1호
• /
• pp.35-40
• /
• 2013

휴대 단말기에서 전송하는 메시지는 사용자의 위치/시각/선호도와 같은 컨텍스트를 포함할 수 있다. 본 논문에서는 사용자의 컨텍스트에 따라 메시지를 분류하여 전달하는 시스템을 제안한다. 즉, 송신자가 메시지를 전송하면 메시지 전달 서버는 송신자의 컨텍스트에 따라 사전에 등록된 주소(휴대 단말기 번호, 웹 서버 주소, 이메일 주소 등)로 자동으로 메시지를 전달한다. 따라서 송신자는 수신자에 대해 여러 개의 주소를 인지할 필요가 없이 대표 주소로 전달이 가능하고 수신자는 주제별/지역별로 메시지를 분류하여 메시지를 수신할 수 있는 장점이 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2010년도 제42차 하계학술발표논문집 18권2호
• /
• pp.169-172
• /
• 2010

본 논문에서는 기존의 ISODATA 알고리즘을 네트워크 공격탐지에 더욱 적합하도록 개선하여 공격을 탐지하는 새로운 방법을 제안한다. 수많은 인터넷상의 트래픽 정보들을 군집화하여 유사도를 비교하는 방법을 통해 공격을 판단한다. 기본적인 절차는 송신자 IP와 Port, 수신자 IP와 Port 정보를 이용하여 송신자와 수신자 사이의 관계를 분석하고 그 특징 값들을 이용하여 개선된 군집화 알고리즘을 이용하여 군집화를 수행한다. 그리고 얻어진 패턴의 특징값을 인공신경망에 학습하여 공격유형을 분류하고 탐지하도록 한다. 기존의 공격탐지 방법과 비교했을 때, 계산양이 적고 속도가 빠르다는 장점이 있으며 제안하는 방법의 우수성을 실험을 통해 증명하였다.

• 한국산학기술학회논문지
• /
• 제14권4호
• /
• pp.1942-1950
• /
• 2013

본 논문에서는 네트워크 트래픽 데이터를 시각화하고, 시각화된 데이터에 다중 클래스 SVM을 적용함으로써 트래픽의 공격을 자동으로 탐지하는 새로운 방법을 제안한다. 본 논문에서 제안된 방법은 먼저 송신자와 수신자의 IP와 포트 정보를 2차원의 영상으로 시각화한 후, 시각화된 영상으로부터 트래픽의 공격을 의미하는 라인과 명암값이 높은 패턴을 추출한다. 그리고 송신자와 수신자 포트의 분산도 값을 구하고, ISODATA 군집화 알고리즘을 이용하여 군집의 개수와 엔트로피 특징 값을 추출한다. 그런 다음, 위에서 추출한 여러 특징 값들을 다중클래스 SVM(Support Vector Machine)에 적용하여 네트워크 트래픽의 공격이 정상 트래픽, DDoS, DoS, 인터넷 웜, 그리고 포트 스캔인지의 여부를 효과적으로 탐지 및 분류한다. 본 논문의 실험에서는 제안된 다중 클래스 SVM을 활용한 방법이 네트워크 트래픽의 공격을 보다 효과적으로 탐지하고 분류한다는 것을 보여준다.

• 한국음향학회지
• /
• 제43권2호
• /
• pp.225-233
• /
• 2024

능동소나는 은밀하게 기동하는 수중 물체를 탐지하기 위해 음파를 송신하여 표적에서 반사되어 돌아오는 신호를 탐지한다. 그러나 능동소나의 수신 신호에는 표적의 반향음 외에도 해저면/해수면의 잔향, 생물 소음 및 기타 잡음 등이 섞여 있어 표적 인식을 어렵게 한다. 기존의 문턱값 이상의 신호를 탐지하는 기법은 설정한 문턱값에 따라 오탐지가 발생하거나 표적을 놓치는 경우가 발생할 뿐 아니라 다양한 수중환경마다 적절한 문턱값을 설정해야하는 문제가 있다. 이를 극복하기 위해 Constant False Alarm Rate(CFAR) 등의 기법을 이용한 문턱값의 자동산출과 진보된 형태의 추적 필터 및 연계 기법을 적용한 연구가 수행되었지만, 상당수의 탐지가 발생하는 환경에서는 그 한계가 있다. 최근 심층학습 기술이 발달함에 따라 수중 표적 탐지분야에도 이를 적용하기 위한 노력이 있었으나, 분류기 학습을 위한 능동소나 데이터의 획득이 매우 어려워 데이터가 희소할 뿐 아니라, 극소수의 표적과 상대적 다수의 비표적으로 인한 데이터의 불균형성으로 어려움이 있다. 본 논문에서는 탐지 신호의 에너지 분포 영상을 이용하되, 데이터의 불균형성을 고려한 방식으로 분류기를 학습하여 표적과 비표적을 구분하는 기법을 기존 소나처리 기법에 추가하여 표적의 오분류를 최소화하면서 비표적을 제거하여 능동소나 운용자의 표적 인식을 용이하게 하였다. 그리고 동해에서 수행한 해상실험에서 획득한 능동소나 데이터를 통해 제안 기법의 유효성을 검증하였다.