• 정보보호학회논문지
• /
• 제31권6호
• /
• pp.1097-1104
• /
• 2021

온라인 게임 봇은 이미 수 많은 방식을 통해 사람들에게 알려져 왔으며, 사용자의 게임 흥미 저하, 게임 내 경제 순환 파괴, 게임 컨텐츠 및 수명 단축 등 많은 문제점을 야기한다. 정상적이지 않은 게임 봇 운영을 방치하는 것은 장기적으로 게임 제작사와 게임 플레이어에게 모두 악영향을 미치게 되므로 이에 대한 탐지 및 제재는 필수가 되었다. 하지만 제재 단계에서 생기는 오인 제재의 딜레마를 피하기 쉽지 않다. 게임사 측에서 유저를 제재하기 위해서는 객관적인 분석 지표인 로그를 가지고 제재 여부를 판단해야 하며, 로그에서 추출한 정보를 근거로 확보해야 한다. 본 연구에서는 탐지 대상 기간의 로그에 대하여 이를 일일 단위로 나누어서 게임봇 유저 판별을 수행할 것이다. 일일 단위 탐지를 위해 탐지 기간을 하루 단위로 나누어 해당 일자에 대한 게임봇 여부를 우선 판별하고, 이후 최종 결과를 판단하였다. 제안한 방법론을 통해 일반 유저 스타일과 게임봇 유저 스타일이 섞여 있는 경우를 쉽게 탐지해 낼 수 있을 것이다. 본 논문에서 제안한 방법론으로 테스트한 결과, 분류 정확도를 확인할 수 있는 지표 중 하나인 F1-score가 0.898에서 0.945로 향상되었다.

• BMB Reports
• /
• 제55권9호
• /
• pp.465-471
• /
• 2022

Understanding and monitoring virus-mediated infections has gained importance since the global outbreak of the coronavirus disease 2019 (COVID-19) pandemic. Studies of high-throughput omics-based immune profiling of COVID-19 patients can help manage the current pandemic and future virus-mediated pandemics. Although COVID-19 is being studied since past 2 years, detailed mechanisms of the initial induction of dynamic immune responses or the molecular mechanisms that characterize disease progression remains unclear. This study involved comprehensively collected biospecimens and longitudinal multi-omics data of 300 COVID-19 patients and 120 healthy controls, including whole genome sequencing (WGS), single-cell RNA sequencing combined with T cell receptor (TCR) and B cell receptor (BCR) sequencing (scRNA(+scTCR/BCR)-seq), bulk BCR and TCR sequencing (bulk TCR/BCR-seq), and cytokine profiling. Clinical data were also collected from hospitalized COVID-19 patients, and HLA typing, laboratory characteristics, and COVID-19 viral genome sequencing were performed during the initial diagnosis. The entire set of biospecimens and multi-omics data generated in this project can be accessed by researchers from the National Biobank of Korea with prior approval. This distribution of large-scale multi-omics data of COVID-19 patients can facilitate the understanding of biological crosstalk involved in COVID-19 infection and contribute to the development of potential methodologies for its diagnosis and treatment.

• 화약ㆍ발파
• /
• 제40권3호
• /
• pp.19-32
• /
• 2022

수소는 다른 연료에 비해 에너지효율이 높고 유해물질이 배출되지 않아 미래의 청정에너지원으로 인식되고 있다. 그러나 수소는 밀도가 낮아 운반 및 저장시에 부피가 커서 압축하거나 특별한 운반체를 사용해야 하며, 공기중에 노출 시 화재나 폭발의 위험성이 있다. 수소-공기 혼합물의 폭발에 관한 실험이나 수치해석적 연구가 진행되어 오고 실물 수소 충전소를 대상으로 한 폭발 시뮬레이션에 관한 연구사례는 극히 드물다. 본 연구에서는 실제 수소 충전소를 대상으로 Lidar 스캐닝을 수행하여 point cloud 데이터를 획득하고 수소 충전소 3 차원 구조 모델을 작성한다. 3 차원 구조모델은 Ansys 사 AUTODYN 에 적용되어 수소 충전소의 수소폭발을 가정한 TNT 등가량의 폭발 시뮬레이션을 실시하고 주변에 전파하는 폭발압력을 계산하여, 수소 충전소 폭발에의한 주변 보안 건물의 안전거리에 관한 정보를 제공한다.

• Korean Journal of Radiology
• /
• 제22권6호
• /
• pp.994-1004
• /
• 2021

Objective: To extract pulmonary and cardiovascular metrics from chest CTs of patients with coronavirus disease 2019 (COVID-19) using a fully automated deep learning-based approach and assess their potential to predict patient management. Materials and Methods: All initial chest CTs of patients who tested positive for severe acute respiratory syndrome coronavirus 2 at our emergency department between March 25 and April 25, 2020, were identified (n = 120). Three patient management groups were defined: group 1 (outpatient), group 2 (general ward), and group 3 (intensive care unit [ICU]). Multiple pulmonary and cardiovascular metrics were extracted from the chest CT images using deep learning. Additionally, six laboratory findings indicating inflammation and cellular damage were considered. Differences in CT metrics, laboratory findings, and demographics between the patient management groups were assessed. The potential of these parameters to predict patients' needs for intensive care (yes/no) was analyzed using logistic regression and receiver operating characteristic curves. Internal and external validity were assessed using 109 independent chest CT scans. Results: While demographic parameters alone (sex and age) were not sufficient to predict ICU management status, both CT metrics alone (including both pulmonary and cardiovascular metrics; area under the curve [AUC] = 0.88; 95% confidence interval [CI] = 0.79-0.97) and laboratory findings alone (C-reactive protein, lactate dehydrogenase, white blood cell count, and albumin; AUC = 0.86; 95% CI = 0.77-0.94) were good classifiers. Excellent performance was achieved by a combination of demographic parameters, CT metrics, and laboratory findings (AUC = 0.91; 95% CI = 0.85-0.98). Application of a model that combined both pulmonary CT metrics and demographic parameters on a dataset from another hospital indicated its external validity (AUC = 0.77; 95% CI = 0.66-0.88). Conclusion: Chest CT of patients with COVID-19 contains valuable information that can be accessed using automated image analysis. These metrics are useful for the prediction of patient management.

• 한국농림기상학회지
• /
• 제10권4호
• /
• pp.121-131
• /
• 2008

본 연구에서는 국가표준 시나리오 A1B와 A2 조건에서 예상되는 2071-2100 평년의 최저기온 예상도와, 휴면심도로부터 추정한 단기내동성 분포도에 근거하여, 남한 전역에 대해 사방 270m 간격으로 경관규모의 국지적인 동해위험 정도를 분석함으로써 현재 평년(1971-2000)에 비해 어떤 결과를 보일지 예측하고자 하였다. 실험에 필요한 270m 해상도의 일별 기온자료와 1월 최저기온자료는 농림수산식품부의 전자기후도 및 그 파생산물, 그리고 국립기상연구소의 기후시나리오자료를 이용하여 준비하였다. 대상작물로서 'Campbell Early' 포도를 선정하고 현재와 미래 평년에 대해 각각 휴면심도를 계산하여 비교한 결과, 단기내동성 유지면적(휴면심도 -150 이하)과 저온내습지역($-15^{\circ}$ 이하)은 두 가지 시나리오 모두 미래기후 조건에서 동시에 줄어들었다. 기온과 휴면심도 두 요인을 종합해 분석해보면 현재 평년에 비해 100년 후 미래 평년에 동해위험이 감소하는 지역은 증가하는 지역보다 더 늘어나므로 포도재배에 있어서 저온피해의 위협은 감소할 것이다. 하지만 피해율 30% 이하의 월동 안전지역의 면적이 현재 평년의 59%에서 미래에는 55% (A1B)${\sim}$63% (A2)로서 뚜렷이 증가하지 않으며, 피해율 70% 이상의 월동 위험지역의 면적은 오히려 현재 평년의 13%에서 미래에는 23% (A1B)${\sim}$25% (A2)로 크게 증가할 것으로 예측되었다. 본 연구에서 사용된 전자기후도에 근거한 동해위험도 분석기술은 국내 주요 과수품종에 적용할 수 있으므로 재배적지의 재배치 등 기후변화대과 수산업분야 적응전략 마련에 유용하게 쓰일 수 있을 것이다.

• 생물환경조절학회지
• /
• 제27권1호
• /
• pp.34-39
• /
• 2018

본 연구는 초분광 영상을 이용하여 오이 및 수박과 같은 박과 묘의 수분함량을 추정하기 위해 수행되었다. 오이와 수박 묘 샘플에 수분 스트레스를 가한 후 초분광영상 취득 시스템을 이용하여 오이와 수박 묘 잎을 촬영하여 반사율을 계산하였고, 건조기를 이용하여 해당 모종의 수분함량을 측정하였다. 마지막으로 영상의 반사율과 수분함량을 이용하여 부분최소제곱회귀분석을 통해 수분함량 추정모델을 개발하였다. 오이 묘 수분함량 추정모델은 $R^2$ 0.73, RMSE 1.45%, RE 1.58%의 성능을 보였으며, 수박 묘 수분함량 추정모델은 $R^2$ 0.66, RMSE 1.06%, RE 1.14%의 성능을 보였다. 유효범위를 넘어가는 극단치를 제거하여 모델의 성능을 다시 분석한 결과, 오이 모델의 경우 $R^2$ 0.79, RMSE 1.10%, RE 1.20으로 상승하였다. 오이와 수박 묘를 함께 분석하여 모델을 제작한 결과, $R^2$ 0.67, RMSE 1.26, RE 1.36으로 분석되었다. 오이 모델이 수박 모델보다 비교적 높은 성능을 보였는데, 이러한 원인은 오이의 수분함량 변이가 넓게 분포되어 있었기 때문이라고 판단된다. 또한 데이터셋에서 유효범위를 넘어가는 극단치를 제거한 결과 오이 모델의 정확도 및 정밀도가 상승하였다. 결론적으로 오이 및 수박 묘 수분함량 추정모델들의 추정선의 기울기 차가 크지 않고, 서로 교차되기 때문에 두 모델들은 모두 수분함량을 추정하는데 있어서 유의한 것으로 판단된다. 또한 샘플의 변수가 넓게 분포된 변이를 갖는다면 추정모델의 정확도와 정밀도는 분명 상승할 것이며, 개선된 모델을 이용하면 저가형 센서를 개발하는데 활용될 수 있을 것으로 사료된다.

• 지구물리와물리탐사
• /
• 제10권3호
• /
• pp.183-190
• /
• 2007

지진기록의 수평성분 S파 푸리에스펙트럼을 이용한 추계학적 지진동모델(stochastic point-source ground-motion model; Boore, 2003) 파라미터 역산결과를 기반으로 지진공학적으로 활용될 수 있는 지진관측소 분류를 시도하였다. 추계학적 지진동모델에서 부지효과는 고주파감쇠상수인 $K_0$ (Anderson and Hough, 1984)와 지층의 탄성임피던스의 차이에 의해 발생하는 부지증폭함수(A(f))의 조합으로 표현된다. 본 연구에서는 A(f)를 지진파 스펙트럼의 수평/수직성분비(H/V)와, 이를 초기값으로 하여 얻어진 역산결과에 의한 관측소별 로그오차평균을 합산하여 계산하였다. 지진관측소는 $1{\sim}10$ Hz 범위의 부지증폭함수의 상용로그 최대값($logA_{1-10}^{max}$(f))에 의해 다섯 등급(A: $logA_{1-10}^{max}$(f) < 0.2, B: 0.2 $\leq$ $logA_{1-10}^{max}$(f) < 0.4, C: 0.4 $\leq$ $logA_{1-10}^{max}$(f) < 0.6, D: 0.6 $\leq$ log < 0.8, E: 0.8 $\leq$ $logA_{1-10}^{max}$(f))으로 분류하였다. 분류된 진관측소의 평균적인 부지증폭함수는 A에서 E 등급으로 변함에 따라 지반의 고유진동수가 저주파로 이동하는 의미 있는 결과를 나타내었으며, 최근에 설치장소를 이전한 기상청 일부 관측소에 대해 이설 전후의 등급변화 및 최근 발생한 중규모 지진관측자료와 지진동 거리감쇠식과의 비교분석을 통해 관측소 분류결과의 타당성을 입증할 수 있었다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.221-232
• /
• 2021

본 연구는 KOMPSAT-3 및 KOMPSAT-3A호에서 전처리 단계에 따라 구분하여 제공하는 Level 1R 영상과 Level 1G 영상을 이용하여 기준영상의 기하품질에 따른 상호좌표등록 결과 분석을 수행하였다. 기준영상으로 Level 1R 영상 및 1G 영상 각각을 사용하고 대상영상은 Level 1R 영상을 사용하여 상호좌표등록을 수행하였다. 실험을 위해 대전지역에서 촬영된 KOMPSAT-3 및 3A호의 Level 1R, 1G 영상 총 7장을 이용하였다. 상호좌표등록을 수행하기 위해, 우선적으로 특징기반 정합기법인 SURF (Speeded-Up Robust Feature) 기법과 영역기반 정합기법인 위상상관 (Phase Correlation) 기법을 함께 이용한 반복적 정합기법을 통해 두 영상의 기하학적 위치를 개략적으로 일치시켜 주었다. 개략적으로 일치된 영상에서 SURF 기법을 이용하여 정합쌍을 추출하고 Affine 변환모델과 Piecewise Linear 변환모델을 각각 구성하여 상호좌표등록을 수행하였다. 실험결과, 기하오차가 보정된 Level 1G 영상을 기준영상으로 선정하였을 경우, Level 1R 영상을 이용하였을 때보다 상대적으로 많은 수의 정합쌍을 추출하였다. 또한, 기준영상이 Level 1G 영상일 때의 상호좌표등록 RMSE (Root Mean Square Error) 값이 평균 5화소 미만으로 Level 1R 영상을 이용하였을 때보다 더 낮은 것을 확인하였다. 이는 상호좌표등록 수행 시 두 위성영상 간의 초기위치관계가 상호좌표등록 결과에 영향을 끼칠 수 있음을 의미하며, 기준영상의 기하품질이 우수할수록 안정적인 상호좌표등록 정확도를 나타내는 것을 확인하였다.