• 한국음향학회지
• /
• 제32권6호
• /
• pp.532-540
• /
• 2013

본 논문에서는 수동 소나의 광대역 에너지 탐지를 위하여 수신신호 강도 변화에 따른 가중치를 인가하는 기법을 제안한다. 광대역 에너지 탐지에 널리 사용되는 부대역 에너지 탐지 (Subband Energy Detection) 기법은 CED(Conventional Energy Detection) 기법에 비하여 다중신호 및 클러터 간섭에 강인하나, 수신신호에서 검출된 극값의 강도 변화에 따라 효율적인 가중치를 인가할 수 없어 탐지 성능을 저하 시킨다. 따라서 본 논문에서는 검출된 극값의 강도 변화에 따라 효율적으로 가중치를 인가하는 기법을 제안하였다. 시뮬레이션 및 황해 실 음향 데이터를 이용한 성능 비교, 칼만 필터를 이용한 추적시험 수행을 통하여 제안 기법의 탐지성능이 기존 기법에 비해 우수함을 관찰하였다.

• 한국정보과학회논문지:정보통신
• /
• 제32권3호
• /
• pp.301-309
• /
• 2005

시스템 호출 감사자료기반 기계학습기법을 사용한 프로그램 행위 학습방법은 효과적인 호스트 기반 침입탐지 방법이며, 규칙 학습, 신경망, 통계적 방법, 은닉 마크로프 모델 등의 방법이 대표적이다. 그 중에서 신경망은 시스템 호출 시퀀스를 학습하는데 있어 적합하다고 알려져 있는데, 실제 문제에 적용하여 좋은 성능을 내기 위해서는 그 구조를 결정하는 것이 중요하다 하지만 보통의 신경망은 그 구조를 찾기 위한 방법이 알려져 있지 않아 침입탐지에 효과적인 구조를 찾기 위해서는 많은 시간이 요구된다. 본 논문에서는 기존 신경망 기반 침입탐지시스템의 단점을 보완하고 성능을 향상시키기 위해 진화신경망을 이용한 방법을 제안한다. 진화 신경망은 신경망의 구조와 가중치를 동시에 학습하기 때문에 일반 신경망보다 빠른 시간에 더 좋은 성능의 신경망을 얻을 수 있다는 장점이 있다. 1999년의 DARPA IDEVAL 자료로 실험한 결과 기존의 연구보다 좋은 탐지율을 보여 진화신경망이 침입탐지에 효과적임을 확인할 수 있었다.

• 한국전자파학회논문지
• /
• 제30권5호
• /
• pp.389-398
• /
• 2019

본 논문에서는 실제 환경을 고려하여 비행 중인 소형 무인기를 탐지할 수 있는 기법을 제안한다. 소형 무인기는 일반적으로 시가지 혹은 산악 지형 내에서 저고도 비행을 수행하므로 클러터(clutter)에 의해 자주 가려지게 된다. 따라서 우수한 탐지 성능 획득을 위해서는 잡음뿐만 아니라, 클러터를 고려한 탐지가 필수적이며, 각각의 클러터 제거 기법에 따른 성능 분석이 요구된다. 제안된 탐지 과정은 클러터 제거 기법 및 펄스 합성 기법을 통해 클러터 및 잡음을 억제한 후, CFAR 검출기를 통해 소형 무인기 탐지를 수행한다. 이때, 3가지 클러터 제거 기법을 적용한 후, 각 기법에 따른 소형 무인기 탐지 성능을 분석한다. 실제 야외 환경에서의 실험을 통한 측정 데이터(data)를 토대로 소형 무인기 탐지에 적합한 클러터 제거 기법을 도출할 수 있었다.

• 한국재난정보학회 논문집
• /
• 제19권4호
• /
• pp.968-975
• /
• 2023

연구목적: 화재 탐지시 불꽃/연기의 오탐지율이 높은 것을 확인하고 오탐지율을 낮추기 위해 화재 상황을 인식하여 분류하는 방법과 데이터셋을 제안하고자 한다. 연구방법: 동영상을 학습데이터로 활용하여 화재 상황의 특징을 추출하여 분류모델에 적용하고, 평가는 한국정보화진흥원(NIA)에서 진행하는 화재 데이터셋을 이용하여 Yolov8, Slowfast의 모델 성능을 비교 및 분석하였다. 연구결과: YOLO는 배경의 영향에 따라 탐지 성능이 민감하게 변화하며, 화재의 규모가 너무 크거나 작을 때에도 화재를 제대로 감지하지 못했다. SlowFast는 동영상의 시간 축을 같이 학습하기 때문에 비정형 객체에 대해 주변이 흐리거나 밝아 형상을 명확하게 유추할 수 없는 상황에서도 우수하게 화재를 탐지하는 것을 확인했다. 결론: 화재 탐지율은 이미지 데이터 방식보다는 동영상 기반의 인공지능 인식(Detection) 모델을 활용했을 때 더 적절했음을 확인했다.

• 스마트미디어저널
• /
• 제13권4호
• /
• pp.48-56
• /
• 2024

축산업에서 환경의 이상치 탐지와 데이터 예측은 매우 중요한 과제이다. 대부분 시계열 데이터로 수집되는 축산 환경 데이터의 이상치는 급격한 생육환경의 변화와 예상치 못한 전염병의 징후를 나타낼 수 있으므로 이상치를 빠르게 탐지하는 것이 중요하다. 이상치의 빠른 탐지와 효과적인 대응은 가축의 스트레스를 최소화하고 전염병 발생 환경을 조기에 발견하여 농가의 경제적인 손실을 감소시키는 역할을 할 수 있다. 본 연구에서는 축산환경 데이터의 이상치 탐지 분야에서 이상치를 규정하는 경계값(Threshold) 설정에서 두 가지 설정 방법을 이용하여 실험하고 성능을 비교하였다. Mean Squared Error(MSE)를 활용한 이상치 탐지 방법과 Dynamic Threshold를 이용한 이상치 탐지 방법을 이용하여 이를 통해 주어진 이전 데이터의 평균값과의 변동성을 분석하여 이상 상황을 식별하는 연구를 진행하였다. MSE를 활용한 이상치 탐지 방법은 94.98% 정확도를 보였고 표준편차를 활용한 Dynamic Threshold 방법은 99.66%정확도로 성능이 더 우수함을 확인할 수 있었다.

• 한국전자파학회논문지
• /
• 제18권12호
• /
• pp.1352-1358
• /
• 2007

본 논문에서는 차세대 이동위성 관제 시스템에서 위성 방향을 탐지하는 알고리즘으로 제안된 MUSIC(Multiple Source Classification) 알고리즘의 통계적 특성에 대하여 서술하였다. 이동위성 관제 시스템에서 MUSIC 알고리즘을 위성 방향 탐지 알고리즘으로 채택할 경우, 이동 위성 관제 시스템 성능이 MUSIC의 위성 방향 탐지 성능에 종속될 수밖에 없다. 따라서 본 논문에서는 여러 가지 데이터 길이와 신호대 잡음비에 따른 MUSIC 알고리즘에 사용되는 파라미터의 통계적 특성을 조사하고 이러한 파라미터가 궁극적으로 위성 방향 탐지에 미치는 영향을 분석하였다.

• 한국통신학회논문지
• /
• 제39C권1호
• /
• pp.60-69
• /
• 2014

감시경계 분야에서 진동센서를 이용한 발자국 탐지방안 연구가 지속적으로 이루어지고 있다. 진동센서는 탐지성능은 우수하나 야외 환경에서 사용 시 잡음에 매우 민감하게 반응한다. 본 논문에서는 비선형 주파수 차감 후 기본 발자국 모델 신호와 입력 신호 간의 교차상관을 수행하여 잡음은 감쇄시키고 발자국 신호는 증대시켜 탐지성능을 높일 수 있는 NSSC 방법을 제안한다. 이러한 잡음 제거과정 이후 탐지 이벤트 구간에 대한 식별 과정을 수행함으로써 실제 사람 발자국 여부를 최종 판단한다. 제시된 알고리즘의 성능 검증을 위하여 맑은 날, 비 오는날에 수집된 발자국 신호에 대한 실험 결과를 제시하였다.

• 한국정보전자통신기술학회논문지
• /
• 제15권1호
• /
• pp.69-75
• /
• 2022

지금까지 발전 설비 터빈 블레이드의 이상 탐지는 사람에 의해 진행되어왔다. 하지만 발전 설비 노후화로 인한 이상 탐지 수요 증가와 터빈 블레이드의 이상을 검사하는 검사자 간의 기량 차로 인해 발생하는 검출 결과의 상이성으로 인해, 이러한 터빈 블레이드 이상 탐지 수요 증가와 인적 요소로 인해 발생하는 오류를 줄이고 높은 신뢰성의 터빈 블레이드 이상 검출성능을 안정적으로 제공할 수 있는 기법 개발의 필요성이 지속해서 제기되어 왔다. 이번 논문에서는 최근 다양한 분야에서 인상적인 성능 향상을 달성한 깊은 신경망을 이용한 발전 설비 터빈 블레이드의 이상 탐지 기술을 제안한다. 실험 결과는 제안된 기술이 인적 요소의 개입을 최소화함과 동시에 안정적인 이상 검출성능을 달성함을 증명한다.

• 정보보호학회논문지
• /
• 제33권6호
• /
• pp.881-891
• /
• 2023

최근에는 인공지능을 활용하여 악성 URL을 탐지하는 다양한 연구가 진행되고 있으며, 대부분의 연구 결과에서 높은 탐지 성능을 보였다. 그러나 고전 머신러닝을 활용하는 경우 feature를 분석하고 선별해야 하는 추가 비용이 발생하며, 데이터 분석가의 역량에 따라 탐지 성능이 결정되는 이슈가 있다. 본 논문에서는 이러한 이슈를 해결하기 위해 URL lexical feature를 자동으로 추출하는 딥러닝 모델의 일부가 고전 머신러닝 모델에 결합된 형태인 DL-ML Fusion Hybrid 모델을 제안한다. 제안한 모델로 직접 수집한 총 6만 개의 악성과 정상 URL을 학습한 결과 탐지 성능이 최대 23.98%p 향상되었을 뿐만 아니라, 자동화된 feature engineering을 통해 효율적인 기계학습이 가능하였다.

• 정보처리학회논문지C
• /
• 제9C권4호
• /
• pp.473-480
• /
• 2002

침입탐지시스템에 대해 많은 연구가 이루어지고 있지만 이들 연구는 침입탐지시스템내의 탐지 소프트웨어의 알고리즘에만 국한되어 있다. 하지만, 침입탐지시스템의 탐지 알고리즘이 우수하더라도 침입에 해당하는 단서인 패킷을 손실하게 되면 해당 침입을 탐지해내지 못하게 된다. 본 논문에서는 침입 탐지 시스템의 하드웨어적인 한계와 탐지 소프트웨어의 거대화에 따른 시스템 부하로 인해서 자연히 발생하게 되는 패킷 손실을 줄이기 위해서 탐지 시스템에 불필요한 패킷으로 분류될 수 있는 패킷을 미리 폐기함으로써 얻을 수 있는 탐지 시스템의 성능 향상을 다룬다. 실험 결과에 따르면 제안한 방법에 의해서 패킷 손실인 줄어들어 실제 공격에 대한 탐지율이 개선되었다.