• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.1496-1499
• /
• 2008

DoS/DDoS로 대표되는 트래픽 폭주 공격은 대상 시스템뿐만 아니라 네트워크 대역폭 및 시스템 자원 등을 고갈시킴으로써 네트워크에 심각한 장애를 유발하기 때문에, 신속한 공격 탐지와 공격유형별 분류는 안정적인 서비스 제공 및 시스템 운영에 필수요건이다. 본 논문에서는 1) 데이터마이닝의 대표적인 분류 모델인 C4.5 알고리즘을 기반으로 SNMP MIB 정보를 사용하여 트래픽 폭주공격을 탐지하고 각 공격유형별 분류를 수행하는 시스템을 설계 및 구현하였다; 2) C4.5에서 추가적으로 제공하는 동작원리에 관한 규칙들을 상세히 분석함으로써 공격탐지 및 공격유형별 분류에 관한 시스템의 의미론적 해석을 시도하였다; 3) C4.5는 주어진 SNMP MIB의 속성들의 정보이익 값을 이용하여 예측모형을 구축하는 알고리즘으로, 특징선택 및 축소의 효과를 추가적으로 얻었다. 따라서 시스템의 운용 시, 제안된 모델은 전체 13개의 MIB 정보 중 5개의 MIB 정보만을 사용하여 보다 신속하고, 정확하며, 또한 가벼운 공격탐지 및 공격유형별 분류를 수행함으로써 네트워크 시스템의 자원관리와 효율적인 시스템 운영에 기여하였다.

• 한국비블리아학회지
• /
• 제24권1호
• /
• pp.25-44
• /
• 2013

본 연구는 1986년부터 2011년까지 한국문헌정보학회지, 한국도서관 정보학회지, 정보관리학회지, 한국비블리아학회지, 서지학연구에 실린 논문 205편을 대상으로 분류에 관한 국내 연구 동향을 분석하였다. 이를 위해 하위주제, 연구방법, 자료수집 및 분석방법의 측면에서 개별 논문들을 분석하고 분류 관련 연구의 특성들을 도출하였다. 그 결과 논문의 양은 점차 증가하는 양상으로, 활용에 초점이 맞추어져 있었으며, 새로운 분류 방안을 제안하거나 기존 분류체계의 수정전개방안을 제안하는 형태의 논문들이 대부분이었고, 이러한 경우 문헌연구를 활용한 분류체계 비교연구가 압도적으로 많았다. 연구자 측면에서 교수와 강사, 학생은 문헌연구를 선호하였으나 연구원은 주로 사례연구와 시스템 분석/설계방법을 활용하였다. 가장 높은 생산성을 보인 저자 9명은 교수나 강사였고, 소수의 타학문분야 기반 저자들은 대부분이 컴퓨터학 전공자들이었다. 이와 같은 결과는 분류 관련 연구에 다양한 연구주제에 대한 접근, 연구방법의 다양한 시도, 타학문분야와의 연계가 보다 더 필요함을 보여주는 것이다.

• 스마트미디어저널
• /
• 제10권2호
• /
• pp.70-75
• /
• 2021

디자인에 있어서 유사한 디자인들을 그룹핑하여 분류하는 것은 관리적인 측면에서 효율성을 높여주고 사용적인 측면에서는 편의성을 제공한다. 본 연구는 인공지능 알고리즘을 이용하여 텍스타일 디자인을 도트, 꽃무늬, 줄무늬, 그리고 기하학으로 4개의 카테고리로 분류하고자 하였다. 특히, 인공지능의 관점에서 분류의 근거가 되는 관심 영역을 찾아내고 설명할 수 있는 지를 탐색하였다. 총 4,536개의 디자인을 8:2의 비율로 무작위 추출하여 학습용 데이터 3,629개와 테스트용 데이터 907개로 구성하였다. 분류에 사용된 모델은 VGG-16과 ResNet-34로 두 모델의 꽃무늬 디자인에 대한 정밀도는 각각 0.79%, 0.89%이며, 재현율은 0.95%, 0.38%로 우수한 분류 성과를 보였다. LIME(Local Interpretable Model-agnostic Explanation) 기법을 이용하여 분석한 결과에 따르면, 기하학과 꽃무늬 디자인의 경우 도형과 꽃잎 부분이 분류의 근거가 되는 관심 영역으로 도출되었다.

• 정보관리학회지
• /
• 제35권2호
• /
• pp.37-62
• /
• 2018

문헌정보학 분야의 국내 학술지 논문으로 구성된 문헌집합을 대상으로 기계학습에 기초한 자동분류의 성능에 영향을 미치는 요소들을 검토하였다. 특히, "정보관리학회지"에 수록된 논문에 주제 범주를 자동 할당하는 분류 성능 측면에서 용어 가중치부여 기법, 학습집합 크기, 분류 알고리즘, 범주 할당 방법 등 주요 요소들의 특성을 다각적인 실험을 통해 살펴보았다. 결과적으로 분류 환경 및 문헌집합의 특성에 따라 각 요소를 적절하게 적용하는 것이 효과적이며, 보다 단순한 모델의 사용으로 상당히 좋은 수준의 성능을 도출할 수 있었다. 또한, 국내 학술지 논문의 분류는 특정 논문에 하나 이상의 범주를 할당하는 복수-범주 분류(multi-label classification)가 실제 환경에 부합한다고 할 수 있다. 따라서 이러한 환경을 고려하여 단순하고 빠른 분류 알고리즘과 소규모의 학습집합을 사용하는 최적의 분류 모델을 제안하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.1233-1236
• /
• 2009

현재 다량의 네트워크 대역폭을 소모하는 응용 프로그램 트래픽을 확인하고 분류하는데 많은 방법들이 사용되고 있지만 정통적인 트래픽 분류 방법론인, 포트 번호, ip 등 등의 헤더 정보만으로는 응용 프로그램의 트랙픽을 정확하게 분류하지 못한다. 최근 동적인 포트 번호를 사용하는 새로운 트래픽 응용의 등장과 방화벽을 통과하기 위한 포트번호 변경으로 인하여 전통적인 TCP/UDP 헤더 기반의 트랙픽 분류 방법은 부정확해지고 있다. 이러한 트래픽을 정확하게 식별하고 분류하기 위해서는 패킷의 페이로드 내용에 대한 조사도 병행되어야 하고 시그니처 기반의 식별 방법을 사용하여야 한다. 하지만 이 방법은 정확도가 높은 반면 시그니처의 목록을 매번 최신 상태로 유지하여야 하는 단점과 길어지는 탐색 시간에 따른 시스템 부하의 문제를 가지고 있다. 본 연구에서는 이러한 단점을 향상시키는 목적으로 새로운 시그니처 기반의 해쉬 테이블에 캐시를 이용한 방법론인 효율적인 알고리즘을 제안하고 시그니처의 자료구조와 실제 패킷과 시그니처의 비교 방식을 수정함으로써 효율성을 높이는데 목적을 두고 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.81-83
• /
• 2024

본 논문에서는 mask R-CNN의 이미지 세그먼테이션(Image Segmentation) 기법을 이용하여 철도의 선로를 식별하고 분류하는 방법을 제안한다. mask R-CNN의 이미지 세그먼테이션은 바운딩 박스(Bounding Box)를 통해 이미지에서 객체를 식별하는 R-CNN 알고리즘과는 달리 픽셀 단위로 관심 있는 객체를 검출하고 분류하는 기법으로서 오브젝트 디텍션(Object Detection)보다 더욱 정교한 객체 식별이 가능하다. 본 연구에서는 Pascal VOC 형태의 고속철도 데이터 24,205셋의 데이터를 전처리하고 MS COCO 데이터셋으로 변환하여, MMDetection의 mask R-CNN을 통해 픽셀 단위로 철도선로를 식별하고 정상/불량 상태를 분류하는 연구를 수행하였다. 선행연구에서는 YOLO를 활용하여 Polygon형태의 좌표를 바운딩 박스로 분류하였는데, 본 연구에서는 mask R-CNN을 활용함으로써 철도 선로를 더욱 정교하게 식별하였으며 정상/불량의 상태 분류는 YOLO와 유사한 성능을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 춘계학술발표대회
• /
• pp.968-970
• /
• 2008

기존에 트래픽 분류 방법으로 payload 분석이나 well-known port를 이용한 방법을 많이 사용했다. 하지만 동적으로 변하는 애플리케이션이 늘어남에 따라 기존 방법으로 애플리케이션 트래픽 분류가 어렵다. 이러한 문제의 대안으로 Machine Learning(ML) 알고리즘을 이용한 애플리케이션 트래픽 분류방법이 연구되고 있다. 기존의 논문에서는 일정 시간동안 수집한 data set을 사용하기 때문에 적게 발생한 애플리케이션은 제대로 분류하지 못하여도 전체적으로는 좋은 성능을 보일 수 있다. 본 논문에서는 이러한 문제를 해결하기 위해 각 애플리케이션마다 동일한 수의 data set을 수집하여 애플리케이션 트래픽을 분류하는 방법을 제시한다. ML 알고리즘 중 J48, REPTree, BayesNet, NaiveBayes, Multilayer Perceptron 알고리즘을 이용하여 애플리케이션 트래픽 분류의 정확도를 비교한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.586-589
• /
• 2024

본 실험 연구에서는 주의 메커니즘과 컨볼루션 신경망을 결합하여 모델을 개선하는 방법을 탐색하는 딥 러닝 기술을 소개한다. 이 기술은 지도 학습 방식을 위해 공개 데이터 세트의 쓰레기 분류 데이터를 사용하고, Grad-CAM 기술과 채널 주의 메커니즘 SE 를 적용하여 모델의 분류 의사 결정 과정을 더 잘 이해하기 위해 히트 맵을 생성한다. Grad-CAM 기술을 사용하여 히트 맵을 생성하면 분류 중에 모델이 집중하는 영역을 시각화할 수 있다. 이는 모델의 분류 결정을 설명하는 방법을 제공하여 다양한 이미지 카테고리에 대한 모델 결정의 기초를 더 잘 이해할 수 있다. 실험 결과는 전통적인 합성곱 신경망과 비교하여 제안한 방법이 쓰레기 분류 작업에서 더나은 성능을 달성한다는 것을 보여준다. 주의 메커니즘과 히트맵 해석을 결합함으로써 우리 모델은분류 정확도를 향상시킬 수 있다. 이는 실제 응용 분야의 이미지 분류 작업에 큰 의미가 있으며 해석 가능성에 대한 딥 러닝 연구 진행을 촉진하는 데 도움이 된다.

• 식물분류학회지
• /
• 제47권2호
• /
• pp.161-169
• /
• 2017

한 생물체의 전체 유전체 크기는 계통학, 육종학, 집단유전학, 진화학과 같은 많은 분야에 활용될 수 있는 기본적인 정보이다. 최근에는 전체 유전체 결정 연구에서 특히 강조되고 있는데, 이는 최소 유전체 크기를 갖는 분류군의 선택은 유전체 결정사업의 효율성과 직접적으로 연관되어 있기 때문이다. 그러므로 유전체 연구의 선행 단계로서 연구 대상 종 및 연관된 분류군들의 유전체 양의 파악은 필수적이다. 본 연구에서는 쉽고 빠르면서도 신뢰성 있는 방법으로 알려져 있는 flow cytometry를 이용하여 한반도에 자생하는 꿀풀과의 9속 15 분류군에 대한 유전체 크기를 측정하였다. 본 연구에서 유전체 양이 측정된 15 분류군들은 모두 최초로 그 유전체 양이 조사된 분류군들로서 Plant DNA C-value Database (http://data.kew.org/cvalues/)에 수록된 바 없는데, 특히 Agastache, Clinopodium, Elsholtzia, Isodon에 속하는 분류군들은 속 수준에서의 최초의 보고이다. 골무꽃(Scutellaria indica L.)은 0.37 pg (1C)의 유전체 크기를 갖는 것으로 측정되었는데, 이는 현재까지 보고된 꿀풀과 98 분류군의 유전체 양들 중 네 번째로 유전체의 크기가 작은 분류군이다. 이에 골무꽃은 향후 유전체 연구를 위해 꿀풀과를 대표할 한국 자생종으로서 우선적으로 선택하여 분석할 수 있는 종일 것이다. 조사된 분류군들 중 가장 유전체 크기가 큰 분류군은 속단(Phlomis umbrosa Turcz.; 1C=2.6 pg)으로서 이는 다배체 형성에 의한 본 종의 기원 가능성을 제시하고 있다.

• 한국정보관리학회:학술대회논문집
• /
• 한국정보관리학회 1994년도 제1회 학술대회 논문집
• /
• pp.125-128
• /
• 1994

본 연구는 한국도서관학관계문헌색인, 1945-1974와 한국문헌정보학 색인, 1975-1992를 바탕으로 해방 후 48년간의 한국 분류학계가 어떻게 이루어져 왔는지를 연구해 보았다. 이병수, 임종순, 천혜봉, 배영활, 이경호 등에 의해 많은 문헌이 발표되었으며 국립중앙도서관의 도서관에 가장 많은 관련 문헌이 발표되었다. 1970년대 중반 이후로는 대학 논집과 전공학과의 학보에도 많은 문헌이 발행되기 시작하였다. 많은 발전에도 불구하고 외국과 비교해 보면 분류만을 중점적으로 연구하는 연구 단체의 조성과 그 단체가 주축으로 만들어지는 분류 전문 학술지의 발행이 시급하다.