• 정보보호학회논문지
• /
• 제32권3호
• /
• pp.487-499
• /
• 2022

딥러닝과 같은 기계학습 기술은 최근에 광범위하게 활용되고 있다. 이러한 딥러닝은 최근 낮은 컴퓨팅 성능을 가지는 임베디드 기기 및 엣지 디바이스에서 보안성 향상을 위해 ARM TrustZone과 같은 신뢰 수행 환경에서 수행되는데, 이와 같은 실행 환경에서는 제한된 컴퓨팅 자원으로 인해 정상적인 수행에 방해를 받는다. 이를 극복하기 위해 DNN 모델 partitioning을 통해 TEE의 제한된 memory를 효율적으로 사용하며 DNN 모델을 보호하는 TPMP를 제안한다. TPMP는 최적화된 memory 스케줄링을 통해 기존의 memory 스케줄링 방법으로 수행할 수 없었던 모델들을 TEE 내에서 수행하여 시스템 자원 소모를 거의 증가시키지 않으면서 DNN의 높은 기밀성을 달성한다.

• 정보과학회 논문지
• /
• 제44권10호
• /
• pp.1034-1044
• /
• 2017

본 연구에서는 추상 도달가능성 그래프(ARG) 기반의 소프트웨어 모델체킹에서 그래프 탐색전략을 설정할 수 있는 새로운 방법을 제시한다. ARG의 여러 실행 경로를 하나로 묶어 모델체킹 성능을 향상시키는 기법인 블록 인코딩(Block Encoding) 기법을 활용하는 경우 기존의 기법들은 인코딩 전의 ARG에서 인코딩을 효과적으로 수행할 수 있는 탐색전략만을 고려하였을 뿐 실제 모델체킹의 성능을 좌우할 수 있는 인코딩 후의 ARG에 대한 탐색전략을 고려하지 못하는 문제가 있었다. 본 연구에서는 기존 연구에서 제시된 탐색 기법을 사용하여 블록 인코딩을 효과적으로 수행하는 동시에 인코딩된 후의 ARG에 대한 탐색 순서를 고려할 수 있는 이중 탐색전략 기법을 제시한다. 또한 탐색 순서의 변화가 모델체킹의 성능에 미치는 영향을 확인하기 위하여 제시하는 기법을 오픈소스 모델체킹 도구에 구현하고 벤치마크 실험을 수행하였으며 탐색전략이 달라지면 모델체킹의 성능이 달라지는 현상을 확인하였다.

• 자원환경지질
• /
• 제51권2호
• /
• pp.121-130
• /
• 2018

KAERI Underground Research Tunnel(이하 KURT)는 한국원자력연구원의 연구지역에 건설된 지하처분연구시설이다. 현재 KURT에서는 방사성폐기물의 심층 처분의 주요 핵심 요소인 공학적 방벽과 천연방벽에 대한 연구를 수행하고 있다. 본 연구에서는 심부영역의 부지특성평가기술을 구축하기 위해 수행된 KURT 연구지역의 부지특성조사를 종합하여, 부지 지질모델을 구축하고, 이로부터 3차원 수리지질모델을 도출하였다. 연구지역에서 수행된 지질조사와 시추공 조사 결과를 이용하여 분석한 결과, 수리지질학적 관점에서 중요한 풍화대, 상부 단열암반대, 하부 단열암반대와 심부 영역에 존재하는 결정론적 단열대를 정의하여 이들을 3차원으로 모형화 하였고, 구축된 지질모델과 현장수리시험 결과를 종합하여 지하수유동모델링 및 처분 안전성 평가에 주요한 입력 자료가 될 수리지질모델을 도출하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권4호
• /
• pp.215-223
• /
• 2011

소규모의 프로젝트에 소프트웨어 프로세스 인증 모델을 적용하기에는 참여인력 구성, 프로젝트 관리 및 품질 보증 등을 위한 활동과 문서 작성에 많은 어려움이 있다. 본 연구는 애자일 방법인 스크럼과 정보통신산업진흥원에서 제시한 SP인증 모델의 필수요소들을 결합하여 소규모 소프트웨어 개발에 적합한 소프트웨어 프로세스 인증 모델을 제시한다. 제시한 모델은 SP인증 획득에 필요한 최소한의 수행활동, 그리고 산출물을 정의하였다. 제시 모델은 16개의 프로세스와 58개의 수행활동으로 구성되며 39개의 산출물이 작성된다. 제시한 모델을 중소표준프로세스와 비교한 결과 수행활동은 38%, 작성문서는 20% 감소하여 소규모 프로젝트에서 부담이 경감되었음을 확인하였다. 그리고 제시 모델의 활용 가능성을 검증하기 위하여 2개의 소규모 프로젝트에 적용한 결과, 스크럼 프로세스만으로 진행한 프로젝트와 비교하여 추가인원 없이 체계적인 관리를 할 수 있었고, 정해진 기간 안에 프로젝트를 완료하였으며 SP인증 2등급 획득하여 그 유용성을 검증하였다.

• 한국산업정보학회논문지
• /
• 제26권3호
• /
• pp.9-22
• /
• 2021

본 연구에서는 조립산업의 공급망(Supply chain)에서의 발생할 수 있는 공급붕괴(Supply disruption)를 고려한 공급망 네트워크(Supply chain network: SCN) 모델이 제안된다. 공급붕괴를 위해 공급자 붕괴(Supplier disruption)와 경로 붕괴(Route disruption)가 함께 SCN 모델에서 고려되며, 이러한 두 가지의 붕괴 현상을 함께 고려한 SCN 모델은 유연성(Flexibility)과 효율성(Efficiency)을 성취할 수 있게 된다. SCN 모델은 수리모형으로 표현되며, 혼합유전알고리즘(Proposed hybrid genetic algorithm: pro-HGA) 접근법을 이용해 이행된다. 수치실험에서는 몇몇 상이한 규모를 가진 SCN 모델을 이용해 제안된 pro-HGA 접근법의 수행도와 기존 접근법의 수행도를 비교분석하였으며, 공급자 수와 백업경로(Backup route) 수의 변화를 통한 민감도 분석을 실시하였다. 실험 결과, 제안된 pro-HGA 접근법의 효율성을 입증하였고, SCN 모델의 유연성과 효용성을 검증하였다. 마지막으로 본 연구 수행의 의의 및 향후 개선방향에 대해 논하였다.

• 대한토목학회논문집
• /
• 제26권3A호
• /
• pp.411-419
• /
• 2006

본 연구에서는 현재의 설계기준에서 명확하게 제시하지 못하고 있는 3차원 응력교란영역의 설계를 위해 3차원 스트럿-타이 모델을 이용하는 새로운 설계방법을 제안하였고, 실무자들이 이 방법에 따라 콘크리트 구조부재를 설계하는데 편리함을 제공해주는 실용적인 3차원 스트럿-타이 모델 전용 그래픽 프로그램을 개발하였다. 격자 스트럿-타이 모델을 사용함으로서 모델 선정에 따른 주관성을 배제하였고, 3차원 파괴면, 압축주응력 흐름의 방향, 그리고 스트럿의 방향 등을 이용하여 3차원 스트럿의 유효강도를 계산하는 방법을 개발하였다. 본 연구의 해석과정은 스트럿의 최대단면적과 필요단면적을 이용하여 최대하중을 계산한 다음, 계산된 타이의 필요단면적을 배근된 철근의 단면적으로 대치시켜 증분하중단계를 이용한 비선형 트러스 해석을 수행하는 방법이다. 설계과정은 주어진 설계하중에 대하여 필요철근량을 산정하고 스트럿과 절점의 강도를 검토하는 일련의 설계방법이다. 따라서 제안된 방법은 유한요소해석과의 상호작용을 통하여 스트럿-타이 모델의 단점을 보완하고 장점을 최대한 활용하기 위한 컴퓨터에 기반한 스트럿-타이 모델 방법으로 분류될 수 있다. 제안된 방법의 타당성을 검증하기 위하여 파괴실험이 수행된 9개의 말뚝기초 공시체의 파괴강도 예측 및 교각코핑부의 설계를 수행하였고, 그 결과를 기존의 연구결과 및 기존 설계기준에 의한 해석 및 설계결과와 비교하였다.

• 대한기계학회논문집A
• /
• 제35권1호
• /
• pp.47-52
• /
• 2011

이 논문은 내진검증을 수행하기 위한 유한요소 모델의 개발에 대하여 논의한다. 모델개발에 사용된 기기는 미국의 아칸사스 원자력 발전소의 전자기기 함으로써 유한요소해석 모델개발 과정을 보여준다. 증명된 모델은 진동수 50Hz 이하의 모든 주요모드에서 고유진동수가 5% 이내의 정확치를 가져온다. 유한요소모델은 질점질량과 강성도 방법을 사용한 COSMOSM 이라는 소프트웨어를 채용하여 수학적 모델의 eigenvalue 해석 및 동적해석이 수행되었다. 이 모델은 지정된 하중조건에서 AISC에서 규정한 허용응력치 이하를 나타내었다. 이모델에서 얻는 값들은 참고문헌에서 나타내는 내진 규정에 잘 부합하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (B)
• /
• pp.513-518
• /
• 2007

시뮬레이션 방법론에 있어서 모델기반 시뮬레이션과 프로세스기반 시뮬레이션으로 나눌 수 있는데, 재사용성, 확장성, 시뮬레이터 기술 용이성 등의 장점으로 모델기반 시뮬레이션이 많이 사용되고 있다. 이러한 이유로 근래에는 컴퓨터 시스템, 항공, 자동차 등에서 모델 기반 시뮬레이션 방법이 사용되고 있다. 모델기반 시뮬레이션 방법으로 수학적 이론을 기반으로 모델을 정의하는 DEVS(Discrete Event System Specification) 형식론은 계층적이고 모듈화 된 형태로 이산사건 시스템을 기술한다. 대규모의 복잡한 시뮬레이션 모델을 검증 할 목적으로 분산 시뮬레이션 방법론이 있는데, 이들은 크게 동기적인 방법과 비동기적인 방법이 있다. 동기적 방식보다 빠른 수행을 위해 비동기적 방법은 전체 Time-order 순이 아닌 로컬 Time-order를 가진다. 그러나 비동기적 방식에는 분산된 시뮬레이터들 간의 전체 Time-order를 유지하기 위해 전 처리된 시뮬레이터 결과들을 저장하는데, Time-order 상으로 현재의 시뮬레이션 시간보다 과거의 사건이 왔을 때 그 이벤트를 처리해주어야 되기 때문이다. 이러한 비동기적 분산 시뮬레이션 방법론에서는 전체 Time-order를 유지하기 위해 과거의 Time-order를 가지는 이벤트가 왔을 때 rollback operation을 수행한다. 그러나 rollback operation은 분산 시뮬레이션 방법론에서 성능 장애요소 중 하나이다. 본 논문에서는 rollback operation을 최소할 할 수 있는 DEVS 모델 분배 방법을 제안한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2021년도 제33회 한글 및 한국어 정보처리 학술대회
• /
• pp.617-621
• /
• 2021

의미역 결정은 문장 속에서 서술어와 그 논항의 관계를 파악하며, '누가, 무엇을, 어떻게, 왜' 등과 같은 의미역 관계를 찾아내는 자연어 처리 기법이다. 최근 수행되고 있는 의미역 결정 연구는 주로 말뭉치를 활용하여 딥러닝 학습을 하는 방식으로 연구가 이루어지고 있다. 최근 구글에서 개발한 사전 훈련된 Bidirectional Encoder Representations from Transformers (BERT) 모델이 다양한 자연어 처리 분야에서 상당히 높은 성능을 보이고 있다. 본 논문에서는 한국어 의미역 결정 성능 향상을 위해 한국어의 언어적 특징을 고려하며 사전 학습된 SNU KR-BERT를 사용하면서 한국어 의미역 결정 모델의 성능을 살펴보였다. 또한, 본 논문에서는 BERT 모델에서 과연 어떤 히든 레이어(hidden layer)에서 한국어 의미역 결정을 더 잘 수행하는지 알아보고자 하였다. 실험 결과 마지막 히든 레이어 임베딩을 활용하였을 때, 언어 모델의 성능은 66.4% 였다. 히든 레이어 별 언어 모델 성능을 비교한 결과, 마지막 4개의 히든 레이어를 이었을 때(concatenated), 언어 모델의 성능은 67.9% 이였으며, 11번째 히든 레이어를 사용했을 때는 68.1% 이였다. 즉, 마지막 히든 레이어를 선택했을 때보다 더 성능이 좋았다는 것을 알 수 있었다. 하지만 각 언어 모델 별 히트맵을 그려보았을 때는 마지막 히든 레이어 임베딩을 활용한 언어 모델이 더 정확히 의미역 판단을 한다는 것을 알 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2021년도 제33회 한글 및 한국어 정보처리 학술대회
• /
• pp.414-418
• /
• 2021

다국어 음성인식은 단일언어 음성인식에 비해 높은 난이도를 보인다. 하나의 단일 모델로 다국어 음성인식을 수행하기 위해선 다양한 언어가 공유하는 음성적 특성을 모델이 학습할 수 있도록 하여 음성인식 성능을 향상시킬 수 있다. 본 연구는 딥러닝 음성인식 모델인 Wav2Vec2.0 구조를 변경하여 한국어와 영어 음성을 하나의 모델로 학습하는 방법을 제시한다. CTC(Connectionist Temporal Classification) 손실함수를 이용하는 Wav2Vec2.0 모델의 구조에서 각 언어마다 별도의 CTC 출력 계층을 두고 각 언어별 사전(Lexicon)을 적용하여 음성 입력을 다른 언어로 혼동되는 경우를 원천적으로 방지한다. 제시한 Wav2Vec2.0 구조를 사용하여 한국어와 영어를 잘못 분류하여 음성인식률이 낮아지는 문제를 해결하고 더불어 제시된 한국어 음성 데이터셋(KsponSpeech)에서 한국어와 영어를 동시에 학습한 모델이 한국어만을 이용한 모델보다 향상된 음성 인식률을 보임을 확인하였다. 마지막으로 Prefix 디코딩을 활용하여 언어모델을 이용한 음성인식 성능 개선을 수행하였다.