• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제12권2호
• /
• pp.141-148
• /
• 2006

본 논문에서는 정형 검증 도구를 이용한 보안 소프트웨어의 보안성을 검증하고 검증된 결과를 이용하여 안전한 보안 소프트웨어 개발 방안을 살펴본다. 정형 검증 기법에 따라 사용되어질 수 있는 각 정형 검증 도구들을 살펴보고 그 특성을 파악하여 보안 소프트웨어의 안정성과 신뢰성을 보장하는 적합한 도구들을 알아보고, 보안 소프트웨어 개발 방안을 제시한다. Z 언어를 이용하는 도구인 Z/EVES는 Z명세에 대한 분석 방법을 제시함으로써 보안 소프트웨어에서 가장 많이 사용되는 대표적인 정형 검증 도구이다. 본 논문에서는 보안 소프트웨어 검증을 위하여 C 언어로 작성된 보안 소프트웨어를 Z명세 언어로 변환하고 이것을 Z/EVES도구를 이용한다.

• 정보처리학회논문지D
• /
• 제8D권1호
• /
• pp.99-104
• /
• 2001

소프트웨어 위기를 해결하기 위한 한가지 대응책으로 최근 컴포넌트기반 소프트웨어공학(혹은 컴포넌트웨어)이 등장하였다. 컴포넌트기반 소프트웨어공학을 이루는 관련 기술들 중 하나로써 컴포넌트기반 소프트웨어 개발 프로세스들이 제안되고 있다. 컴포넌트기반 소프트웨어 개발 프로세스중 컴포넌트 명세활동은 재사용 가능한 컴포넌트를 생성하기 위해서 꼭 필요하며 매우 중요한 활동이다. 그러나, 기존의 컴포넌트기반 소프트웨어 개발 프로세스에서는 컴포넌트 명세를 자연어로 기술함으로써 명세에 있어서 정확성을 갖지 못했고 사용자의 요구사항이 제대로 반영되었는지 검증할 수 있는 방법을 제공하지 못하고 있다. 본 논문에서는 정형방법에서 사용되고 있는 분석력과 논리성이 검증된 정형 명세 언어 Z를 이용하여 컴포넌트를 명세 하는 정형 활동을 제안하였다. 제안 활동은 5개의 태스크와 12개이 서브태스크들로 구성되며 10개의 산출물을 구체적으로 제시함으로써 재사용을 위한 컴포넌트 기반 소프트웨어 개발의 기초가 되는 컴포넌트 정형 명세 활동을 제안하였다. 제안 활동은 컴포넌트기반 소프트웨어 개발 프로세스의 초기단계에 사용자의 요구사항 명세의 정확성과 검증을 통하여 컴포넌트의 품질을 향상시킬 수 있다.

• 컴퓨터교육학회논문지
• /
• 제7권6호
• /
• pp.129-139
• /
• 2004

C4I 시스템과 같이 신뢰성이 강조되는 시스템의 개발에 있어 정형기법의 도입은 개발 과정에서 나타나는 결과물에 대한 검증을 가능케 함으로서 올바른 시스템을 개발하고 있다는 확신을 개발자와 의뢰자 모두에게 기공해준다. 본 논문은 엄밀한 검증이 필요한 컴포넌트를 설계할 때 사용될 수 있는 컴포넌트의 정형명세 기법과 이에 기반한 테스트 방법을 논한다. 특히 상태기반의 기능명세에 대해 미약선조건을 이용하여 분해하는 방법과 이 과정을 통해 생성된 하위명세에 대한 블랙박스 테스트케이스를 생성시키는 방법을 제시한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (A)
• /
• pp.595-597
• /
• 2001

오늘날 우리가 사용하고 있는 시스템은 날이 갈수록 규모 면에서 대형화되고, 기능면에서 복잡해지고 있다. 이런 복잡성의 증가로 시스템 에러 발생가능성은 더욱 높아졌다. 특히, safety-critical 시스템의 경우 에러가 발생했을 때 인간과 생태계에 엄청난 영향을 미치기 때문에 더욱 신중한 개발 과정이 필요하다. 따라서 정형기법을 이용한 safety-critical 시스템의 개발방법론이 나오게 되었다. 본 논문에서는 대표적인 safety-critical 시스템인 원자력 발전소 시스템에서 Digital Plant Protection System(DPPS)를 가지고 어떻게 방법론이 적용되는지를 보여준다. Software Cost Reduction(SCR)이라는 정형 명세 도구로 명세를 하였고, SPIN 이라는 정형 검증 도구로 그 특성(property)을 검증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 제13회 춘계학술대회 및 임시총회 학술발표 논문집
• /
• pp.1144-1147
• /
• 2000

본 논문에서는 정형 명세 도구인 Spin을 이용한 근사 정렬된 우선 순위 큐 스케줄러 알고리즘에 대한 정형 명세 방법론을 제시하였다. 최근에 제안된 패킷 스케줄링 알고리즘은 우선 순위(마감 순위, 가상 종료 시간, 시간 스템프 등)에 따라 QoS를 지원한다. 그러나 QoS를 지원하기 위한 우선 순위를 유지하는데는 많은 오버 헤드가 요구된다. 따라서 근사된 우선 순위 큐 스케줄러 알고리즘은 낮은 계산상의 오버 헤드를 통해 근사된 우선 순위 큐를 유지함으로서 정확한 우선 순위 큐를 유지하기 위한 오버 헤드와의 trade off를 고려한다. 큐는 주기적으로 회전을 하며 최소한의 포인터 오퍼레이션을 통해 근사된 우선 순위 큐를 유지한다. 이러한 스케줄러 알고리즘의 동작 과정을 정형 기법을 이용하여 패킷 스케줄링상에 기아 현상등이나 데드락 현상등의 발생여부를 검증하는 방법등의 연구가 전무한 상태이다. 정형 명세 도구인 Spin을 이용하여 제안된 알고리즘을 명세하는 방법론을 기술한다.

• 대한정형외과학회지
• /
• 제55권4호
• /
• pp.294-304
• /
• 2020

전방십자인대 재건술은 수술의 시기, 수술 기법, 이식건의 선택 및 고정 방법, 재활 등 각각의 수술 과정을 성공적으로 수행해야하는 수술이다. 여러 과정들 중에서 이식건의 선택과 고정 방법은 아주 중요한 과정 중에 하나이지만 아직 술자들 간에 많은 논쟁의 여지가 있다. 이식건의 장단점에 관해 많은 연구들이 진행되고 있지만 여전히 이상적인 건에 대한 결론은 없다. 이와 유사하게 대퇴터널 및 경골터널 고정 방법에 대해서도 최근 많은 방법들이 개발되고 소개되고 있지만 그중에서 가장 좋은 방법을 찾지 못한 상태이다. 그래서 술자는 다양한 이식건과 고정 방법에 대하여 익숙해져야 하며 각각의 방법에 대한 장단점을 잘 알고 있어야 할 것이다. 따라서 본 종설은 전방십자인대 손상에서 이식건의 선택과 고정 방법에 대하여 지금까지 밝혀진 연구들을 분석하고 이에 관해 논의하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 추계학술발표논문집 (하)
• /
• pp.2115-2118
• /
• 2002

이 논문에서는 정형적 명세를 이용하여 테스트 데이터를 추출하는 방법을 제안한다. 복잡하고 구성요소가 다양한 웹 프로그램의 기능을 Object-Z 정형 명세 언어를 이용하여 핵심적으로 나타낸다. 이로부터 상태 모델을 구성하고 최상위 레벨의 STD 에서 세부적으로 STD 를 추가하여 테스트 시나리오를 추출한다. 실험 대상은 웹 뱅킹 업무로 정하고 계좌개설 과정의 테스트 데이터를 추출하였다. 제안한 방법은 사용기반 테스트 기법과 결합하여 웹 소프트웨어의 테스트 자동화에 중요한 요소가 될 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (A)
• /
• pp.37-39
• /
• 2003

내장형 시스템의 개발에 있어서 자원의 효율적인 활용과 정확한 설계를 위해 SystemC를 이용한 통합설계 방식이 많이 사용되고 있다. 하지만 시스템이 점점 복잡해지면서 단순한 언어차원에서의 개발 뿐 아니라 개발 이전에 시스템의 정확성을 검증해야 할 필요성이 대두되었다. 이를 위해 정형기법 및 테스팅과 같은 방법을 사용하게 되었다. 본 논문에서는 SystemC로부터 정형기법 도구인 VIS의 입력 언어인 BLIF-MV로 자동 변환하는 알고리즘을 제시하고, SystemC 코드의 자동 검증 방법을 제시하고 실제 시스템에 적용해 보았다.

• 대한정형외과스포츠의학회지
• /
• 제7권1호
• /
• pp.24-26
• /
• 2008

• 사물인터넷융복합논문지
• /
• 제9권6호
• /
• pp.119-124
• /
• 2023

최근 딥러닝은 다양한 분야에서 전통적인 기계학습에 비해 월등히 높은 성능을 보이고 있으며, 패턴인식을 위한 보편적인 방법으로 자리 잡아 가고 있다. 하지만, 이에 비해 정형데이터를 사용하는 분류 문제에서는 여전히 머신러닝 기법이 주류를 이루고 있다. 본 논문에서는 정형데이터를 고차원 텐서로 변환하는 네트워크 모듈을 제안하며, 이 모듈을 보편적인 딥러닝 네트워크와 함께 구성하여 정형데이터의 분류 문제에 적용하였다. 제안된 방법은 4종의 데이터셋을 활용하여 학습 및 검증되었으며, 제안된 방법은 90.22%의 평균 정확도를 달성하여, 최신 딥러닝 모델인 TabNet에 비해 2.55%p 높은 정확도를 보였다. 제안된 방법은 컴퓨터 비전 분야에서 높은 성능을 보이는 다양한 네트워크 구조를 정형데이터에 활용할 수 있다는 점에서 의미가 있다.