• 스마트미디어저널
• /
• 제13권6호
• /
• pp.9-15
• /
• 2024

최근 정부 기관을 사칭한 가짜 QR(Quick Response)코드를 이용하여 개인정보와 금융정보를 탈취하는 QR코드와 스미싱을 결합한 '큐싱(Qshing)' 공격이 증가하는 추세이다. 특히, 이 공격 방식은 사용자가 단지 QR코드를 인식하는 것만으로 스미싱 페이지에 연결되거나 악성 소프트웨어를 다운로드하게 만들어 피해자가 자신이 공격당했는지조차 인지하기 어려운 특징이 있다. 본 논문에서는 머신러닝 알고리즘을 활용해 QR 코드 내 URL의 악성도를 파악하는 분류 기술을 개발하고, 기존의 QR 코드 리더기와 결합하는 방식에 관해 연구를 진행하였다. 이를 위해 QR코드 내 악성 URL 128,587개, 정상 URL 428,102개로부터 프로토콜, 파라미터 등 각종 특징 35개를 추출하여 데이터셋을 구축한 후, AutoML을 이용하여 최적의 알고리즘과 하이퍼파라미터를 도출한 결과, 약 87.37%의 정확도를 보였다. 이후 기존 QR코드 리더기와 학습한 분류 모델의 결합을 설계하여 큐싱 공격에 대응할 수 있는 서비스를 구현하였다. 결론적으로, QR코드 내 악성 URL 분류 모델에 최적화된 알고리즘을 도출하고, 기존 QR코드 리더기에 결합하는 방식이 큐싱 공격의 대응 방안 중 하나임을 확인하였다.

• 핵의학기술
• /
• 제21권2호
• /
• pp.55-64
• /
• 2017

최근 SPECT/CT의 보급과 함께 다양한 영상보정 방법들을 빠르고 정확하게 적용할 수 있게 되면서, 영상품질 향상과 더불어 정량적 정확성까지 기대할 수 있게 되었다. 그중 Collimator Detector Response (CDR) 회복(recovery)은 검출기면의 거리로부터 발생된 blurring 효과를 보상하여 분해능 회복을 목적으로 하는 보정방법이다. 본 연구에서는 SPECT/CT 영상에서 CDR recovery 가 적용되었을 때 검출거리 변화에 따른 정량적 변화를 알아보고자 하였다. 검출거리의 변화에 따른 획득 계수의 차이를 알아보고자 검출거리를 궤도방식(obit type)에 따라 Circular는 X, Y축 반경 30 cm, Non-Circular는 X, Y축 반경 21 cm, 10 cm, Non-Circular Auto(=Auto Body Contouring_ ABC, spacing limit 1 cm)로 설정하였고, 재구성 방법은 CDR recovery(CDRr)의 사용 유/무에 따른 계수 회복 차이를 알아보고자 OSEM (w/o CDRr)와 Astonish(3D-OSEM with CDRr)로 구분하여 적용하였다. 이 때 감쇠, 산란, 붕괴 보정은 모든 영상에 공통 적용하였다. 정량적 평가를 위해 교정인자(calibration factor_CF) 산출을 목적으로 교정영상(cylindrical phantom, $^{99m}TcO_4$ 123.3 MBq, 물 9293 ml)을 획득하였고, 팬텀 실험을 위하여 50 cc 주사기에 물 31 ml를 채우고 $^{99m}TcO_4$ 123.3 MBq를 설정하여 팬텀영상을 획득하였다. 팬텀 영상에서 주사기 전체 체적에 VOI(volume of interest)를 설정하여 각 조건별로 총 계수 값을 측정하였고, CF를 적용시켜 설정된 참값 대비 추정값의 오차를 구하여 보정에 따른 정량적 정확성을 확인하였다. 산출된 CF는 154.27 (Bq/ml/cps/ml)이며, 각 조건별 영상에서 참값 대비 추정값은 OSEM에서 Circular 86.5%, Non-Circular 90.1%, ABC 91.3% Astonish에서 Circular 93.6%, Non-Circular 93.6%, ABC 93.9%으로 분석되었다. OSEM은 검출거리가 가까울수록 정확성이 높아졌으며, Astonish의 경우에는 거리와 상관없이 거의 유사한 값을 나타내었다. 오차는 OSEM Circular(-13.5%)에서 가장 크고, Astonish ABC(-6.1%)에서 가장 적었다. SPECT/CT영상에서 CDR recovery 적용을 통한 거리보상이 이루어 졌을 때 검출거리가 먼 조건에서도 근접검출과 거의 동일한 정량적 정확성을 보였고, 검출거리의 변화에 영향을 받지 않고 정확한 보정이 가능한 것을 확인 할 수 있었다.

• International Journal of Computer Science & Network Security
• /
• 제21권9호
• /
• pp.179-184
• /
• 2021

In our study we performed a sentiments analysis from the images. For this purpose, we used 153 images that contain: people, animals, buildings, landscapes, cakes and objects that we divided into two categories: images that suggesting a positive or a negative emotion. In order to classify the images using the two categories, we created two models. The SAI-G model was created with Google's AutoML Vision service. The SAI-C model was created on the Clarifai platform. The data were labeled in a preprocessing stage, and for the SAI-C model we created the concepts POSITIVE (POZITIV) AND NEGATIVE (NEGATIV). In order to evaluate the performances of the two models, we used a series of evaluation metrics such as: Precision, Recall, ROC (Receiver Operating Characteristic) curve, Precision-Recall curve, Confusion Matrix, Accuracy Score and Average precision. Precision and Recall for the SAI-G model is 0.875, at a confidence threshold of 0.5, while for the SAI-C model we obtained much lower scores, respectively Precision = 0.727 and Recall = 0.571 for the same confidence threshold. The results indicate a lower classification performance of the SAI-C model compared to the SAI-G model. The exception is the value of Precision for the POSITIVE concept, which is 1,000.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.322-323
• /
• 2023

지속 가능한 에너지인 태양광 발전은 전 세계에서 널리 활용하는 재생 에너지 원천 중 하나로 최근 효율적인 태양광 발전 시스템 운영을 위해 태양광 발전량을 정확하게 예측하기 위한 연구가 활발히 진행되고 있다. 태양광 발전량 예측 모델을 구성하기 위해서는 기상 및 대기 환경을 넘어 태양의 위치에 따른 일사량의 정보가 필수적이나 태양의 실시간 위치 정보를 입력 변수로 활용한 연구가 부족한 실정이다. 그리하여 본 논문에서는 시간과 태양광 발전소 위치를 기반으로 태양의 고도와 방위각을 실시간으로 계산하여 입력 변수로 사용하는 방식을 제안한다. 이를 위해 AutoML 기반의 다양한 기계학습 모델을 구성하여 태양광 발전율을 예측하고 그 성능을 비교 분석하였다. 실험 결과, 태양 위치 정보를 포함한 경우에 환경 변수만을 고려하였을 때보다 예측 성능이 크게 향상되었음을 확인할 수 있었으며, Extra Trees 모델의 경우 태양 위치 정보를 추가하였을 때 MAE(Mean Absolute Error)가 33.90 에서 22.38 까지 낮아지는 결과를 확인하였다.

• 전자통신동향분석
• /
• 제37권5호
• /
• pp.44-53
• /
• 2022

The Internet of Things (IoT) is growing exponentially, with the number of IoT devices multiplying annually. Accordingly, the paradigm is changing from cloud computing to edge computing and even tiny edge computing because of the low latency and cost reduction. Machine learning is also shifting its role from the cloud to edge or tiny edge according to the paradigm shift. However, the fragmented and resource-constrained features of IoT devices have limited the development of artificial intelligence applications. Edge MLaaS (Machine Learning as-a-Service) has been studied to easily and quickly adopt machine learning to products and overcome the device limitations. This paper briefly summarizes what Edge MLaaS is and what element of research it requires.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1341-1352
• /
• 2023

위성영상 기반의 정규식생지수(normalized difference vegetation index, NDVI)는 넓은 영역에서 주기적인 정보를 수집할 수 있어 산림 및 농업 모니터링에 주로 사용된다. 그러나 광학센서 기반 식생지수는 구름 등의 영향으로 일부 지역에서 결측을 가지기 때문에, 본 연구는 전천후 및 주야에 관계없이 관측 가능한 Sentinel-1의 합성 개구 레이더(synthetic aperture radar, SAR) 영상을 활용하여 Sentinel-2 NDVI 결측값을 복원하는 모델을 개발하였다. 이는 광학적으로 관측이 어려운 구름 조건이나 야간에도 NDVI를 추정할 수 있는 잠재력을 보여준다. Automated machine learning (AutoML)을 활용한 비선형 결측복원모델의 5폴드(fold) 교차검증 결과, 절대오차 7.214E-05, 상관계수 0.878의 NDVI 복원 성능을 보였다. 이를 통해 시공간 연속적인 NDVI 생산 방법론을 발전시켜, 전천후 식생 모니터링에 필요한 정보 생산에 기여할 수 있을 것으로 기대된다.

• Journal of the Korean Association of Oral and Maxillofacial Surgeons
• /
• 제49권3호
• /
• pp.135-141
• /
• 2023

Objectives: This study aimed to develop and validate machine learning (ML) models using H₂O-AutoML, an automated ML program, for predicting medication-related osteonecrosis of the jaw (MRONJ) in patients with osteoporosis undergoing tooth extraction or implantation. Patients and Methods: We conducted a retrospective chart review of 340 patients who visited Dankook University Dental Hospital between January 2019 and June 2022 who met the following inclusion criteria: female, age ≥55 years, osteoporosis treated with antiresorptive therapy, and recent dental extraction or implantation. We considered medication administration and duration, demographics, and systemic factors (age and medical history). Local factors, such as surgical method, number of operated teeth, and operation area, were also included. Six algorithms were used to generate the MRONJ prediction model. Results: Gradient boosting demonstrated the best diagnostic accuracy, with an area under the receiver operating characteristic curve (AUC) of 0.8283. Validation with the test dataset yielded a stable AUC of 0.7526. Variable importance analysis identified duration of medication as the most important variable, followed by age, number of teeth operated, and operation site. Conclusion: ML models can help predict MRONJ occurrence in patients with osteoporosis undergoing tooth extraction or implantation based on questionnaire data acquired at the first visit.

• 대한방사선기술학회지:방사선기술과학
• /
• 제39권3호
• /
• pp.377-384
• /
• 2016

본 연구는 PET/CT 종사자의 피폭선량 감소 및 방사성의약품의 정확한 방사능량 투여를 목적으로 사용 중인 자동분주기의 분주 최적화에 관한 연구이다. 연구방법은 주사기 종류 및 분주 속도, Vial 압력에 따른 평가 결과를 통해 분주 횟수에 따른 오차 값을 알아보고 보정 값을 적용하여 최적화된 분주방법을 찾고자 하였다. 연구결과 5 ml 주사기에서는 평균 9.38 mCi가 분주되었고, 3 ml에서는 9.55 mCi가 분주되어 3 ml 주사기에서 10 mCi에 근접한 재현성을 보였다. 분주 속도에 따른 평가에서는 속도를 5, 10, 15, 20 mm/min 으로 증가시켜 10회씩 측정한 결과, 5 mm/min의 속도에서 10 mCi 정량에 가까운 방사성의약품이 분주되었다. Needle필터 사용 전/후 Vial 압력에 따른 평가 결과에서는 3 ml 주사기의 경우 사용 전 9.53 mCi, 사용 후 9.84 mCi로 측정되어 Needle필터를 사용한 후 분주하는 것이 최적화된 값으로 확인되었다. 또한 분주 횟수 증가에 따른 보정 값 적용 전/후 방사능 평가에서는 보정 전 9.53 mCi, 보정 후 10.07 mCi로 측정되어 보정 값을 적용한 실험에서 정량 값에 가까운 것으로 확인되었다. 따라서, 방사성의약품 분주 시 최적화된 분주방법은 주사기는 3 ml를 사용하고, 분주 속도는 5 mm/min로 설정하며 분주 시 Needle필터를 사용하고, 장비의 분주 횟수(x)에 따른 보정 값은 [$y=0.097{\times}x$]로 설정하는 것이 좋은 것으로 확인되었다.

• 한국정보전자통신기술학회논문지
• /
• 제16권2호
• /
• pp.87-96
• /
• 2023

최근 의학계에서도 딥러닝 기술을 이용한 질병의 치료결과 예측 연구가 활발하다. 그러나, 소규모 환자 데이터와 특정한 딥러닝 알고리즘을 선택·활용, 연구를 진행하여 특정 조건 아래에서 의미 있는 결과를 보여주었다. 본 연구에서는 연구 결과의 일반화를 위하여 환자 대상을 좀 더 확대·세분화하여 80대·90대·100대 남녀 대상으로 폐암 진단 후 사망률 예측 연구 결과를 도출하였다. 건강보험심사평가원의 대규모 진료 정보와 다종의 딥러닝 알고리즘을 제공하는 AutoML을 이용, 80대·90대·100대 남녀의 폐암 진단 후 84개월간의 사망률 예측을 위해 Decision Tree, Random Forest, Gradient Boosting, XGBoost, Logistic Regression 등 5개 알고리즘별 모델을 생성하고 이를 통해 예측 성능을 비교하고 사망률에 영향을 미치는 요인에 대한 분석도 추진하였다. 연구 결과, 80대와 90대에서 남성이 여성보다 사망 예측률이 더 높았으며 100대에서는 여성의 사망 예측률이 남성보다 높게 나타났다. 그리고 사망률에 가장 큰 영향을 미치는 요인으로는 치료기간으로 분석되었다.

• 약학회지
• /
• 제43권4호
• /
• pp.494-501
• /
• 1999

The skin whitening effects of pine needle extract, hop extract and chestnut inner shell extract were evaluated both in vitro and in B 16 mouse melanoma cell lines. Each extracts significantly inhibited tyrosinase activity, dopa auto-oxidation and melanin biosynthesis in vitro and in B 16 cell lines. In vitro, hop extract inhibited melanin biosynthesis 15 times stronger than kojic acid at $10{\;}\mu\textrm{g}/ml$ concentration. Each extracts were stronger inhibitors of melanin biosynthesis than kojic acid in B 16 mouse melanoma cell at less than $4{\;}\mu\textrm{g}/ml$ concentration. These results show that extracts fo pine needle, hop and chestnut inner shell could be developed as skin whitening component of cosmetics.