• 한국컴퓨터정보학회논문지
• /
• 제24권9호
• /
• pp.21-27
• /
• 2019

In this paper, we propose a deep auto-encoder-based pipe leak detection (PLD) technique from time-series acoustic data collected by microphone sensor nodes. The key idea of the proposed technique is to learn representative features of the leak-free state using leak-free time-series acoustic data and the deep auto-encoder. The proposed technique can be used to create a PLD model that detects leaks in the pipeline in an unsupervised learning manner. This means that we only use leak-free data without labeling while training the deep auto-encoder. In addition, when compared to the previous supervised learning-based PLD method that uses image features, this technique does not require complex preprocessing of time-series acoustic data owing to the unsupervised feature extraction scheme. The experimental results show that the proposed PLD method using the deep auto-encoder can provide reliable PLD accuracy even considering unsupervised learning-based feature extraction.

• 전기학회논문지P
• /
• 제55권4호
• /
• pp.202-206
• /
• 2006

In this paper, an auto detection method of stator winding fault of small induction motor is suggested. The Park's vector pattern which is obtained from 3-phase current signal by d-q transforming, is very good to detect winding fault. Comparing the Park's vector pattern of testing motor with its of healthy motor, the Park's vector pattern of fault motor is became an ellipse and the asymmetry is increased by the winding fault series. So for detecting the dis-symmetry, id-filtered function, Min-value, and Max-value are suggested for auto detecting. Using LabVIEW programing, 3-phase healthy motor and several kind of winding fault motors are tested and the test results are shown that the suggested method can gives us a possibility of an auto detecting winding fault.

• 한국컴퓨터정보학회논문지
• /
• 제23권1호
• /
• pp.25-32
• /
• 2018

In this paper, we propose an edge detection algorithm for auto focus of infrared camera. We designed and implemented the edge detection of infrared image by using a spatial filter on FPGA. The infrared camera should be designed to minimize the image processing time and usage of hardware resource because these days surveillance systems should have the fast response and be low size, weight and power. we applied the $3{\times}3$ mask filter which has an advantage of minimizing the usage of memory and the propagation delay to process filtering. When we applied Laplacian filter to extract contour data from an image, not only edge components but also noise components of the image were extracted by the filter. These noise components make it difficult to determine the focus state. Also a bad pixel of infrared detector causes a problem in detecting the edge components. So we propose an adaptive edge detection filter that is a method to extract only edge components except noise components of an image by analyzing a variance of pixel data in $3{\times}3$ memory area. And we can detect the bad pixel and replace it with neighboring normal pixel value when we store a pixel in $3{\times}3$ memory area for filtering calculation. The experimental result proves that the proposed method is effective to implement the edge detection for auto focus in infrared camera.

• IEIE Transactions on Smart Processing and Computing
• /
• 제5권2호
• /
• pp.94-99
• /
• 2016

Application layer attacks have for years posed an ever-serious threat to network security, since they always come after a technically legitimate connection has been established. In recent years, cyber criminals have turned to fully exploiting the web as a medium of communication to launch a variety of forbidden or illicit activities by spreading malicious automated software (auto-ware) such as adware, spyware, or bots. When this malicious auto-ware infects a network, it will act like a robot, mimic normal behavior of web access, and bypass the network firewall or intrusion detection system. Besides that, in a private and large network, with huge Hypertext Transfer Protocol (HTTP) traffic generated each day, communication behavior identification and classification of auto-ware is a challenge. In this paper, based on a previous study, analysis of auto-ware communication behavior, and with the addition of new features, a method for classification of HTTP auto-ware communication is proposed. For that, a Not Only Structured Query Language (NoSQL) database is applied to handle large volumes of unstructured HTTP requests captured every day. The method is tested with real HTTP traffic data collected through a proxy server of a private network, providing good results in the classification and detection of suspicious auto-ware web access.

• 한국인터넷방송통신학회논문지
• /
• 제15권5호
• /
• pp.183-192
• /
• 2015

본 논문에서는 통신 판매사에서 사용하는 문서와 이미지 파일에서 개인 정보의 유출을 방지할 수 있는 개인 정보 자동 검색(PIAD, Personal Information Auto Detection) 시스템을 제안한다. 제안하는 시스템은 개인 정보를 포함하는 신분증과 계약서 이미지를 자동으로 검색하고 그 결과를 사용자에게 전달하고, 문서상의 개인 정보 또한 검출할 수 있다. 본 시스템은 빠르고 정확한 검색을 위하여 선별 과정과 분석 과정으로 나뉘고, 분석 과정은 SURF, 침식과 팽창, FindContours 알고리즘들을 사용한다. 제안하는 PIAD 시스템은 272장의 입력 이미지들 중 267장을 선별 및 검출함으로써 98% 이상의 정확도를 보였다.

• 인터넷정보학회논문지
• /
• 제22권1호
• /
• pp.13-22
• /
• 2021

최근 네트워크 환경에 대한 공격이 급속도로 고도화 및 지능화 되고 있기에, 기존의 시그니처 기반 침입탐지 시스템은 한계점이 명확해지고 있다. 지능형 지속 위협(Adavanced Persistent Threat; APT)과 같은 새로운 공격에 대해서 시그니처 패턴은 일반화 성능이 떨어지는 문제가 존재한다. 이러한 문제를 해결하기 위해 기계학습 기반의 침입 탐지 시스템에 대한 연구가 활발히 진행되고 있다. 하지만 실제 네트워크 환경에서 공격 샘플은 정상 샘플에 비해서 매우 적게 수집되어 클래스 불균형(Class Imbalance) 문제를 겪게 된다. 이러한 데이터로 지도 학습 기반의 이상 탐지 모델을 학습시킬 경우 정상 샘플에 편향된 결과를 가지게 된다. 본 논문에서는 이러한 불균형 문제를 해결하기 위해서 오토 인코더(Auto Encoder; AE)를 활용해 One-Class Anomaly Detection 을 수행하여 이를 극복한다. 실험은 NSL-KDD 데이터 셋을 통해 진행되었으며, 제안한 방법의 성능 평가를 위해 지도 학습된 모델들과 성능을 비교한다.

• 대한세포병리학회지
• /
• 제13권1호
• /
• pp.8-13
• /
• 2002

This study was designed to compare the performance of liquid-based preparation from the AutoCyte PREP with the conventional cervicovaginal smear in masked split-samples. In randomly selected 840 cases, the conventional smear was always prepared first, and the AutoCyte PREP used the resldual cells on the collecting device. Parallel AutoCyte PREP slides and matched conventional smears were screened in a blind fashion. All abnormals and 10% random normal cases were reviewed by two pathologists in a blind fashion. The Bethesda System was used for reporting the diagnosis and specimen adequacy. The diagnoses from the two methods were agreed exactly in 767(91.3%) of 840 cases. The AutoCyte PREP demonstrated a 25% overall improvement in the detection of squamous intraepithelial lesion(SIL). The ratio of ASCUS to SIL was decreased as 0.45 compared with 1.00 of conventional smear. The AutoCyte PREP produced excellent cellular preservation and superior sensitivity for detection of atypical cells as compared to the conventional smear. It makes us to be able to subclassify ASCUS into from WNL to HSIL. We thought that the AutoCyte PREP method might contribute to increase the detection rate of abnormal cells than conventional methods.

• 제어로봇시스템학회논문지
• /
• 제17권11호
• /
• pp.1101-1105
• /
• 2011

Radiation particles can introduce temporary errors in memory systems. To protect against these errors, so-called soft errors, error detection and correcting codes are used. In addition, scrubbing is applied which is a fundamental technique to avoid the accumulation of soft errors. This paper introduces an optimal scrubbing scheme, which is suitable for a system with auto error detection and correction logic. An auto error detection and correction logic can correct soft errors without CPU's writing operation. The proposed scrubbing scheme leads to maximum reliability by considering both allowable scrubbing load and the periodic accesses to memory by the tasks running in the system.

• 대한조선학회논문집
• /
• 제30권4호
• /
• pp.8-16
• /
• 1993

자동항법장치(Auto-Pilot System)에 의한 방향제어는 방위계측센서에 의해 계측된 위치 정보와 선미조타장치를 바탕으로 이루어진다. 대부분의 제어시스템들은 센서 잡음을 제외하고는 고장이 없는 계측장비와 고장없는 actuator를 가정하여 상태추정 빛 제어알고리듬을 구현하고 있다. 그러나 실제 상황에서는 이러한 가정이 위험한 경우가 많다. 즉, 방위 계측장비가 고장인 난 경우, 이 잘못된 위치 정보에 기초한 제어기능은 심각한 안전상의 문제까지도 야기시킬 수 있는 것이다. 본 연구에서는 개선된 위치정보처리 방법을 포함시킨 제어시스템을 Auto-Pilot 시스템에 적용하여 보았다. 그 방법으로 센서 고장 진단 및 actuator 고장 진단용 BJDF(Beard-Jones Detection Filter)를 설계하여 그 기능을 파악하였고 일반적인 상태변수추정기와의 차이점을 보였다. 특히 센서의 Bias Error의 경우 상태변수 확장기법을 이용하여 actuator 고장진단의 모형으로 모형화 할 수 있음을 보였다. 이로 인하여 센서 고장의 경우 2차원 평면에 국한된 residual이 일정 방향의 residual로 되므로 고장진단이 용이함을 알 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제28권2호
• /
• pp.9-17
• /
• 2023

본 논문에서는 베어링의 결함 진단을 위한 단일 클래스 분류의 진동 이상 탐지 시스템을 제안한다. 베어링 고장으로 인해 발생하는 경제적 및 시간적 손실을 줄이기 위해 정확한 결함 진단시스템은 필수적이며 문제 해결을 위해 딥러닝 기반의 결함 진단 시스템들이 널리 연구되고 있다. 그러나 딥러닝 학습을 위한 실제 데이터 채집 환경에서 비정상 데이터 확보에 어려움이 있으며 이는 데이터 편향을 초래한다. 이에 정상 데이터만 활용하는 단일 클래스 분류 방법을 활용한다. 일반적인 방법으로는 AutoEncoder를 통한 압축과 복원 과정을 학습하여 진동 데이터의 특성을 추출한다. 추출된 특성으로 단일 클래스 분류기를 학습하여 이상 탐지를 실시한다. 하지만 이와 같은 방법은 진동 데이터의 주파수 특성을 고려하지 않아서 진동 데이터의 특성을 효율적 추출할 수 없다. 이러한 문제를 해결하기 위해 진동 데이터의 주파수 특성을 고려한 AutoEncoder 모델을 제안한다. 분류 성능은 accuracy 0.910, precision 1.0, recall 0.820, f1-score 0.901이 나왔다. 주파수 특성을 고려한 네트워크 설계로 기존 방법들보다 우수한 성능을 확인하였다.