• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.366-369
• /
• 2020

기존 악성코드 탐지 방법의 한계점과 심층 학습기술의 적용을 통한 악성코드의 탐지 및 분류방법을 기술하고 탐지에서의 각 학습모델에 대한 테스트 성능 과정 정확도를 비교하여 파일리스 악성코드 탐지에서의 심층 학습기술의 유용성과 발전 가능성을 판단하려 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.101-102
• /
• 2023

본 연구에서는 인터넷 상에서 발생되는 부정행위를 탐지할수 있는 신뢰 모델을 생성하고 개인의 프라이버시를 보장할수 있는 모델을 제시하였다. 인터넷 상에 게시판에 올려진 부정해위를 탐지하기 위해 앙상블 접근 방식 기반의 분류 모델을 제시하고 자동화된 도구를 제안하였다. 본 연구는 데이터에 대한 탐색적 데이터 분석을 수행하고 얻은 통찰력을 사용해 자연어처리 가반 텍스트를 기반으로 앙상블 기반의 위조 탐지 알고리즘을 제안하였다. 제안 알고리즘의 정확도는 99%로 자연어 처리에 높은 탐지율을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.352-353
• /
• 2024

소프트웨어 보안의 근본적인 문제인 보안 취약점을 해결하기 위해 노력한 결과, 딥러닝 기반의 코드 취약점 탐지 모델은 취약점 탐지에서 높은 탐지 정확도를 보여주고 있다. 하지만, 딥러닝 모델은 작은 변형에 민감하므로 적대적 공격에 취약하다. 딥러닝 기반 코드 취약점 탐지 모델에 대한 적대적 공격 방법을 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.512-513
• /
• 2023

CNN 기반 Deep Learning 분야에서 객체 탐지 정확도를 높이기 위해 모델의 많은 Parameter 가 사용된다. 많은 Parameter 를 사용하게 되면 최소 하드웨어 성능 요구치가 상승하고 처리속도도 감소한다는 문제가 있어, 최소한의 정확도 하락으로 Parameter 를 줄이기 위한 여러 Pruning 기법이 사용된다. 본 연구에서는 Neural Architecture Search(NAS) 기반 Channel Pruning 인 Artificial Bee Colony(ABC) 알고리즘을 사용하였고, 기존 NAS 기반 Channel Pruning 논문들이 Classification Task 에서만 실험한 것과 달리 Object Detection Task 에서도 NAS 기반 Channel Pruning 을 적용하여 기존 Uniform Pruning 과 비교할 때 파라미터 수 대비 정확도가 개선됨을 확인하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2009년도 춘계학술대회 논문집
• /
• pp.87-92
• /
• 2009

현재 미국 NASA에서는 전 지구에서 일별 발생하는 산불 탐지 영상(MOD14 product)을 제작, 배포하고 있다. 그러나, 이러한 MOD14 영상은 MODIS 자체의 낮은 공간해상도로 인하여 우리나라와 같이 소규모 산불이 발생하는 지역에서는 산불 탐지 정확도가 매우 낮게 나타났다. 본 연구에서는 기존의 MODIS 산불 지도에서 탐지되지 못한 소규모 산불을 대상으로 혼합화소분석기법(spectral mixed analysis)을 적용한 새로운 산불 탐지 알고리즘을 제시하였다. 새로운 산불 탐지 알고리즘은 진행산불 탐지 알고리즘과 연소지 탐지 알고리즘으로 구성된다. 소규모 산불이 170건 이상 발생한 2004년과 2005년 4월 남한지역을 대상으로 적용한 결과 1ha 규모의 연소지 탐지가 가능하게 되었으며, 연구 결과 소규모 진행산불과 연소지에 대해 70%이상의 탐지율을 확보하였으며, 40% 이하의 오탐지율(false alarm ratio)을 산출하였다.

• 한국컴퓨터정보학회논문지
• /
• 제13권7호
• /
• pp.59-66
• /
• 2008

본 논문에서는 인스턴트 메시징(Instant Messaging), 채팅과 같은 텍스트 기반의 대화에서 현재 발화를 기준으로 대화의 주제를 파악하고, 대화 주제 전환 여부를 판단하는 기법에 대해 기술한다. 대화는 다른 종류의 글과 다르게 길이가 매우 짧아 적은 수의 단어를 사용하고, 두 사람 이상이 참여를 하며, 대화의 이력(History)이 현재의 발화에 영향을 미친다. 이러한 특성에 따라 본 논문에서는 사용자 발화 뿐 아니라 대화 상대자의 발화에서 추출한 키워드 기반으로 주제 탐지를 하며, 대화의 이력도 고려하여 대화 주제 탐지의 정확도를 높힌 연구 결과를 기술한다. 대화주제 전환 탐지는 이전 발화와 현재 발화에서 탐지된 주제의 유사성을 계산하여, 유사성이 낮은 경우에 전환 탐지가 이루어졌다고 판단하였다. 본 논문의 실험에서 대화 주제 탐지는 88.20%. 대화 주제 전환 탐지는 87.36%의 정확도를 얻었다.

• 대한공간정보학회지
• /
• 제22권1호
• /
• pp.23-29
• /
• 2014

고해상도 위성영상의 등장과 공간분해능의 발전은 위성영상을 활용한 다양한 연구들을 가능하게 하였다. 그 중에서도 고해상도 위성영상을 이용한 표적 탐지 기술은 광범위한 지역의 차량, 항공기, 선박 등의 탐지를 가능하게 하여 교통류 모델링, 군사적 목적의 감시 정찰을 효과적으로 수행하게 한다. 최근 다양한 국가에서 여러 위성을 발사함에 따라 위성영상 선택의 폭이 증가하였으나 고해상도 위성영상을 이용한 공간해상도 비교 연구는 많지 않으며 더욱이 표적 탐지에 미치는 공간 해상도의 영향에 관한 연구는 국내외로 매우 부족한 상황이다. 따라서 본 연구에서는 PSO 기반의 표적 탐지 연구를 바탕으로 공간해상도가 항공기 및 선박 표적 탐지에 미치는 영향을 분석하였다. 원영상에 대한 재배열 보간 기법을 통해 0.5m, 1m, 2m, 4m의 다양한 공간해상도의 시뮬레이션 영상을 생성하고 이때 최근린보간, 양선형보간, 3차회선보간과 같이 다양한 재배열 보간 기법을 적용하였다. 표적 탐지 정확도는 공간해상도 뿐만 아니라 보간 기법에 따라 비교 분석되었다. 연구 결과 0.5m의 고해상도 영상에서 그리고 최근린보간 기법을 이용한 재배열 영상에서 더 높은 표적 탐지 정확도를 얻을 수 있음을 확인하였다. 또한 50% 이상의 표적 탐지 정확도를 얻기 위해서는 항공기의 경우 2m, 선박의 경우 4m 이상의 영상이 필요하며 항공기의 형태적 특이성은 더 높은 공간 해상력을 필요로 함을 확인하였다. 본 연구는 항공기 및 선박 표적 탐지에 적합한 적정 공간분해능을 제안하고 위성 센서 설계의 기준을 제시하는데 큰 기여를 할 것으로 사료된다.

• 한국측량학회지
• /
• 제33권4호
• /
• pp.297-304
• /
• 2015

원격탐사 자료를 활용한 변화탐지 기법은 재난/재해, 국토모니터링 등의 다양한 분야에서 활용가능하다. 그러나, 고해상도 위성영상을 활용하여 무감독 변화탐지를 수행할 경우에는, 기복변위 등에 의한 기하학적인 오차와 영상의 노이즈 정보에 의하여 미변화지역들이 변화지역으로 오탐지될 수 있는 문제점을 지닌다. 따라서 본 연구에서는 대표적인 변화탐지 기법인 IR-MAD 기법을 활용하여 고해상도 위성영상에 대한 객체 기반의 변화탐지를 수행하였다. 특히, 교차융합기법으로 부가적인 자료를 생성하여 객체 기반의 변화탐지 정확도를 향상시키고자 하였다. KOMPSAT-2 위성영상을 활용한 실험을 수행한 결과, 화소기반의 IR-MAD 기법과 비교하여 객체 기반의 IR-MAD 기법이 높은 변화탐지 정확도를 보이는 것을 확인하였다. 또한, 교차융합영상을 활용하였을 경우가 원 다시기 영상만을 사용하였을 때보다 높은 변화탐지 정확도를 보였다. 이를 통해, 객체 기반의 IR-MAD 기법이 고해상도 위성영상을 활용한 국토의 변화탐지를 효과적으로 수행할 수 있음을 실험적으로 증명하였다.

• 융합보안논문지
• /
• 제20권3호
• /
• pp.53-60
• /
• 2020

현재 4차 산업혁명을 맞이하여 머신러닝과 인공지능 기술이 급속도로 발전하고 있으며 보안 분야에서도 머신러닝 기술을 응용하려는 움직임이 있다. 많은 악성코드가 생성됨에 따라 사람의 힘으로는 모든 악성코드를 탐지하기 어려워지고 있기 때문이다. 이에 따라 학계와 산업계에서는 머신러닝을 통해 악성코드나 네트워크 침입 이벤트를 탐지하는 것에 관한 연구가 활발히 진행되고 있으며 국제 학회와 저널에서는 머신러닝의 한 분야인 딥러닝을 이용한 보안데이터 분석 연구가 논문 발표되고 있다. 그러나 해당 논문들은 검출 정확도에 초점이 맞추어져 있고 검출 정확도를 높이기 위해 여러 파라미터들을 수정하지만 Dataset의 개수를 고려하지 않고 있다. 따라서 본 논문에서는 CNN Mobile net 기반 악성코드 탐지 모델에서 가장 높은 검출 정확도를 도출할 수 있는 Dataset의 개수을 찾아내어 많은 머신러닝 연구 진행에 비용과 리소스를 줄이고자 한다.

• 정보보호학회논문지
• /
• 제32권2호
• /
• pp.439-446
• /
• 2022

웹사이트나 메일의 첨부 파일을 이용해 문서형 악성코드의 유포가 활발하게 이루어지고 있다. 문서형 악성코드는 실행 파일이 직접 실행되는 것이 아니므로 보안 프로그램의 우회가 비교적 쉽다. 따라서 문서형 악성코드는 사전에 탐지하고 예방해야 한다. 이를 탐지하기 위해 문서의 구조를 파악하고 악성으로 의심되는 키워드를 선정하였다. 문서 내의 스트림 데이터를 아스키코드값으로 변환하여 데이터셋을 만들었다. CNN 알고리즘을 이용하여 문서의 스트림 데이터 내에 존재하는 악성 키워드의 위치를 확인하고 인접 정보를 활용하여 이를 악성으로 분류했다. 파일 내의 스트림 단위로 악성코드를 탐지한 결과 0.97의 정확도를 보였고, 파일 단위로 악성코드를 탐지한 결과 0.92의 정확도를 보였다.