• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.33 no.9
• /
• pp.66-72
• /
• 2005

As one of the methods that determine position using GPS carrier phase without the resolution of integer ambiguity, the characteristics of the time difference is analyzed in this paper. When determining position by the needed accuracy, the difference time gap becomes an important factor. It is said that accuracy is improved as the difference time gap is getting large, and finally the centimeter level accuracy is achieved after a certain difference time gap. In this paper, the characteristics of the time difference is analyzed using real data and a new parameter is proposed to predict the resulting position accuracy. The difference time gap when position error is converged to the centimeter level is estimated with the proposed parameter.

• Annual Conference of KIPS
• /
• 2024.05a
• /
• pp.749-752
• /
• 2024

연합학습은 클라이언트가 중앙 서버에 원본 데이터를 주지 않고도 학습할 수 있도록 설계된 분산된 머신러닝 방법이다. 그러나 클라이언트와 중앙 서버 사이에 모델 업데이트 정보를 공유한다는 점에서 여전히 추론 공격(Inference Attack)과 오염 공격(Poisoning Attack)의 위험에 노출되어 있다. 이러한 공격을 방어하기 위해 연합학습에 차분프라이버시(Differential Privacy)를 적용하는 방안이 연구되고 있다. 차분 프라이버시는 데이터에 노이즈를 추가하여 민감한 정보를 보호하면서도 유의미한 통계적 정보 쿼리는 공유할 수 있도록 하는 기법으로, 노이즈를 추가하는 위치에 따라 전역적 차분프라이버시(Global Differential Privacy)와 국소적 차분 프라이버시(Local Differential Privacy)로 나뉜다. 이에 본 논문에서는 차분 프라이버시를 적용한 연합학습의 최신 연구 동향을 전역적 차분 프라이버시를 적용한 방향과 국소적 차분 프라이버시를 적용한 방향으로 나누어 검토한다. 또한 이를 세분화하여 차분 프라이버시를 발전시킨 방식인 적응형 차분 프라이버시(Adaptive Differential Privacy)와 개인화된 차분 프라이버시(Personalized Differential Privacy)를 응용하여 연합학습에 적용한 방식들에 대하여 특징과 장점 및 한계점을 분석하고 향후 연구방향을 제안한다.

• 한국전산유체공학회:학술대회논문집
• /
• 1995.10a
• /
• pp.197-202
• /
• 1995

비정상(unsteady) 압축성(compressible) 유동에 의한 공력음향(aeroacoustics)을 모사하여 공력소음원을 해석하기 위해서는 고차(high order)의 정확도와 높은 해상도(resolution)를 가지며, 상대적으로 계산시간을 많이 필요로 하지 않는 외재적(explicit) 유한차분법이 필수적으로 요구된다. 이것은 주어진 차분방식과 격자계로써 공간과 시간상에 존재하는 미소크기의 파동성분들을 충분히 구현하여야 만족할 만한 수치해를 얻을 수 있기 때문이다. 본 연구에서는, 그러한 유한차분법 중 최근에 관심의 대상이 되고있는 삼각(tridiagonal)또는 오각(pentadiagonal) 집적유한차분법(compact finite difference scheme)이 최대의 해상도를 갖도록 하는 수학적인 방법을 개발하고, 이 방법으로써 새롭게 집적유한차분법을 최적화하였다. 개발된 최적화 방법은, 푸리에 해석법(Fourier analysis)을 통하여 파동수(wavenumber) 영역에서 수학적으로 계산된 위상오차(phase error)를 최소화하는 것이며, 이러한 개념과 방법은 본 연구에서 처음으로 집적유한차분법에 적용되었다. 여러가지 절단정확도(truncation order)에 대해서 최적화 된 집적유한차분법들이 실제 공간과 시간상에서 보여주는 정확도와 오차특성을 알아보기 위하여, 이 방법들을 1차원 선형파동방정식에 적용하였고, 이 결과를 통하여 가장 정확하고 효과적인 절단정확도의 집적유한차분법을 선별하였다. 특히, 오각(pentadiagonal)법에 비해 더욱 효율적인 6차 삼각(tridiagonal)법을 1차원 Euler방정식에 적용하여, 비선형 파동에 대한 모사를 수행할 수 있었다.

• The Korean Journal of Financial Management
• /
• v.18 no.1
• /
• pp.1-21
• /
• 2001

주가가 장기기억과정에 의하여 생성되면 주가과정에 가해진 충격은 쌍곡선감소율로 소멸한다. 따라서 충격의 영향이 대단히 느리게 감소하여 충격이 지속성을 가진다. 반면 주가가 단기 기억과정을 따르면 지수율로 감소하여 소멸한다. 지수율감소는 충격의 영향을 급속히 소멸시키므로 충격의 영향이 조만간 소멸한다. 따라서 충격으로 변화된 주가는 평균으로 회귀한다. 충격의 영향이 영원히 존재하는 과정도 존재한다. 장기기억과정은 쪽거리차분과정 또는 분수차분과정이다. 차분모수가 분수일 것이 요구되는 시계열은 장기기억과정이다. 주가가 장기기억과정에 의하여 생성되고 있는지의 여부를 검정하였다. 장기기억과정을 형성시키는 차분모수는 분수차분모수이다. 일별 주가지수의 수익률을 사용하여 차분모수를 추정하였는 바 그 값이 0에 근접하고 있음이 밝혀졌다. 그러나 Kospi, Nasdaq과 Mib30은 장기기억모수가 0에 접근하고 있으나 0이 아니다. 따라서 이 지수들은 장기기억과정에 의하여 생성된다고 할 수 있다. 반면 Dow Jones, S&P 500와 Dax는 장기기억모수가 0이라는 가설이 기각되지 않고 있어 이 지수들은 단기기억과정을 따르고 있다. 따라서 평균회귀과정에 의하여 생성되고 있음을 알 수 있다.

• 한국방재학회:학술대회논문집
• /
• 2010.02a
• /
• pp.107.2-107.2
• /
• 2010

본 연구에서는 지진해일의 전파 과정을 모의함에 있어 선형 천수방정식의 수치분산을 이용하는 기법이 아닌 선형 Boussinesq 방정식을 직접 차분하는 유한차분기법을 제안하였다. 기법의 정확성을 검증하기 위하여 Gauss 분포의 초기 자유수면변위를 갖는 문제에 착용하여 선형 Boussinesq 방정식의 해석해와 비교하였다. 그 결과 기존의 선형 천수방정식을 차분화한 수치모형에 비하여 정확한 결과를 제공하였고 분산보정기법을 이용한 수치모형과 동일한 정확도를 보였으나 본 수치모형을 이용했을 때 계산 효율이 개선되었다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.179-182
• /
• 2010

본 연구에서는 MLS 차분법을 이용하여 동역학 문제를 해석하기 위한 explicit 동적해석 알고리즘을 제시한다. 격자망이 없는 장점을 부각시키기 위해 이동최소제곱법에 근거한 Taylor 전개로부터 미분근사를 얻고 차분식을 구성했다. 지배 미분방정식의 시간항을 CDM(Central difference Method) 차분하여 빠른 속도로 동적해석을 수행하였다. 수치결과를 통해 본 연구에서 제시한 알고리즘의 정확성과 안정성을 확인할 수 있었다.

• Proceedings of the Korea Contents Association Conference
• /
• 2012.05a
• /
• pp.63-64
• /
• 2012

차분진화 알고리즘은 Storn 과 Price에 의해 제안된 메타휴리스틱 알고리즘이다. 본 논문에서는 외판원 문제를 해결하기 위한 차분진화 알고리즘을 소개한다. 차분진화 알고리즘은 실수 문제를 위한 알고리즘이므로 외판원 문제를 해결하기 위해 난수 키 표현법을 적용한다. OR Library의 표준 외판원 문제에 적용한 결과 제안한 알고리즘은 외판원 문제 해결에 가능성이 있음을 보여주었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.5
• /
• pp.451-461
• /
• 2002

Differential evolution(DE) has been preyed to be an efficient method for optimizing real-valued multi-modal objective functions. DE's main assets are its conceptual simplicity and ease of use. However, the convergence properties are deeply dependent on the control parameters of DE. This paper proposes an adaptive differential evolution(ADE) method which combines with a variant of DE and an adaptive mechanism of the control parameters. ADE contributes to the robustness and the easy use of the DE without deteriorating the convergence. 12 optimization problems is considered to test ADE. As an application of ADE the paper presents a supervised clustering method for predicting events, what is called, an evolutionary event clustering(EEC). EEC is tested for 4 cases used widely for the validation of data modeling.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.19 no.1
• /
• pp.13-24
• /
• 2009

CLEFIA is a 128-bit block cipher which is proposed by SONY corporation and ARIA is a 128-bit block cipher which is selected as a standard cryptographic primitive. In this paper, we introduce new multiple impossible differential cryptanalysis and apply it to CLEFIA using 9-round impossible differentials proposed in [7], and apply it to ARIA using 4-round impossible differentials proposed in [11]. Our cryptanalytic results on CLEFIA and ARIA are better than previous impossible differential attacks.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.175-178
• /
• 2023

차분 분석은 암호 분석기법 중 하나이며, 차분 공격을 위해 랜덤 데이터들로부터 차분 특성 (입/출력차분)을 만족하는 데이터를 구별해 내는 것을 구별자 공격이라 한다. Neural distinguisher는 구별자에 딥러닝을 적용한 것이다. 본 논문에서는 NIST 표준 형태보존암호인 FF1, FF3-1을 위한 단일 차분을 사용한 최초의 신경 구별자를 제안하였다. FF1은 차분으로 0F를 사용할 때, 숫자 및 소문자 도메인에서 차분 데이터 구별에 성공하였다 (정확도는 각각 0.85 및 0.52). FF3-1에서는 08을 사용할 때, 숫자 및 소문자 도메인에서 차분 데이터 구별에 성공하였다 (정확도는 각각 0.98 및 0.55).