• 한국정보통신학회논문지
• /
• 제26권9호
• /
• pp.1272-1278
• /
• 2022

정부는 2021년 1월에 '중대재해처벌법'을 제정 공포하여, 이 법을 시행하고 있다. 하지만, 2021년 산업재해 사고자수가 전년 동기 대비 10.7% 증가하였다. 따라서, 산업 현장에서는 안전대책이 시급한 현실이다. 본 연구에서는 통신 환경이 열악한 고위험 산업현장의 안전관리를 위하여 BLE Mesh 네트워킹 기술을 적용한다. 복합 센서 AIoT 디바이스로 가스 센싱값, 음성, 모션값을 실시간으로 수집하여, 인공지능 LSTM 알고리즘과 CNN 알고리즘을 통해 정보값을 분석하여 위험 상황을 인식하고, 서버에 전송한다. 서버에서는 전송 받은 위험정보를 실시간으로 모니터링 하여 즉각적인 구호조치가 수행되도록 한다. 본 연구에서 제안하는 AIoT 디바이스와 안전관리 시스템을 고위험군 산업 현장에 적용함으로써, 산업재해를 최소화하고 사회안전망 확대에도 기여할 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.33-40
• /
• 2022

본 연구는 판넬형 공장 지붕의 드론 촬영 이미지를 분석해 볼트의 이상 탐지를 수행하는 시스템을 제안한다. 지붕의 점검은 현재 점검자가 직접 지붕 위로 올라가 점검을 진행한다. 하지만 고소 작업 환경으로 인한 안전사고가 지속해서 발생하고 있어 새로운 대안이 필요하다. 이에, 최근 위험 환경의 점검 방안의 대안으로 대두되는 드론 촬영의 결과물을 딥러닝을 이용해 이상 볼트의 위치를 찾아내는 방안을 통해 손쉽게 점검할 수 있도록 한다. 본 연구에서 제안하고 있는 시스템은 촬영된 드론 이미지를 볼트캡이 풀려있는 상황에 대한 샘플 이미지를 사용해 스캐닝을 진행한다. 더 나아가 스캔 된 위치에 대해 AI를 사용해 판별해 정확하게 볼트 이상 여부를 판별한다. 본 연구에서 사용한 AI는 VGGNet 기반으로 정확도 99%의 테스트 결과를 보였다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.81-94
• /
• 2022

최근 고액의 실물자산이나 채권을 분할하여 여러 투자자가 공동으로 투자하는 이른바 조각투자가 인기를 얻고 있다. 2016년 설립된 뮤직카우는 음원 유통에 따른 저작권료 참여 청구권을 조각투자할 수 있는 서비스를 세계 최초로 시작하였다. 본 연구에서는 딥러닝 알고리즘 중 하나인 LSTM 모델을 사용하여 뮤직카우에서 거래되는 저작권료 참여 청구권의 가격을 예측하는 연구를 진행하였다. 청구권의 이전 가격과 거래량, 저작권료와 같은 청구권과 관련된 변수 외에도, 음악저작권료 참여 청구권 시장 상황을 나타내는 종합 지표와 경제 상황을 반영하는 환율, 국고채 금리, 한국종합주가지수도 변수로 사용하였다. 연구 결과 상대적으로 거래량이 낮은 조각투자의 사례에서도 LSTM 모델이 거래가격을 잘 예측하는 것을 확인할 수 있었다.

• 정보보호학회논문지
• /
• 제32권6호
• /
• pp.1171-1181
• /
• 2022

전방충돌 방지 보조 또는 지능형 주행 제어 기능 등이 현대의 자동차에 탑재됨에 따라 차에서 교환되는 데이터 양이 급증하고 있다. 따라서, 기존의 CAN 통신으로는 전송속도의 한계가 있어 넓은 대역폭과 양방향 통신을 지원하는 오토모티브 이더넷, 특히 SOME/IP가 널리 채택되고 있다. SOME/IP는 다양한 자동차 운영체제와 호환되는 표준 프로토콜로 차내 구성 요소간의 연결성을 높여준다. 하지만 SOME/IP 자체에는 암호화나 인증이 구현되어 있지 않아 악의적인 패킷 주입, 프로토콜 위반과 같은 공격에 취약한 문제가 있다. 본 논문에서는, 이러한 공격들을 효과적으로 탐지하기 위해 SOME/IP에서 딥러닝 기반의 침입탐지 시스템을 제안하였다. 제안된 침입탐지시스템의 성능을 6가지 공격 패턴을 활용하여 테스트 하였고 정확도 94%, 6가지 공격의 평균 F1-score은 0.94로 높은 성능을 달성할 수 있었다.

• 정보보호학회논문지
• /
• 제32권6호
• /
• pp.1081-1090
• /
• 2022

얼굴 인식 모델은 스마트폰의 신원 인식에 활용되는 등 많은 사용자에게 편의를 제공하고 있다. 이에 따라 DNN 모델의 보안성 검토가 중요해지고 있는데 DNN 모델의 잘 알려진 취약점으로 적대적 공격이 존재한다. 적대적 공격은 현재 DNN 모델의 인식 결과만을 이용하여 공격을 수행하는 의사결정 공격기법까지 발전하였다. 그러나 기존 의사결정 기반 공격기법[14]은 적대적 예제 생성 시 많은 질의 수가 필요한 문제점이 있다. 특히, 기울기를 근사하는데 많은 질의 수가 소모되는데 정확한 기울기를 구할 수 없는 문제가 존재한다. 따라서 본 논문에서는 기존 의사결정 공격기법의 기울기를 근사할 때 소모되는 질의 수 낭비를 막기 위해서 직교 공간 샘플링과 차원 축소 샘플링 방법을 제안한다. 실험 결과 섭동의 크기가 L2 distance 기준 약 2.4 적은 적대적 예제를 생성할 수 있었고 공격 성공률의 경우 약 14% 향상할 수 있었다. 실험 결과를 통해 본 논문에서 제안한 적대적 예제 생성방법의 같은 질의 수 대비 공격 성능이 우수함을 입증한다.

• 정보보호학회논문지
• /
• 제32권6호
• /
• pp.1127-1137
• /
• 2022

GPU의 병렬 연산을 활용한 암호 분석 및 해독 기술은 암호 분석 시스템의 연산 시간을 단축하는 방향으로 연구되었다. 해당 연구들은 하나의 GPU에서 암호 분석 연산의 속도를 향상시키기 위해 코드를 최적화하거나 또는 단순히 GPU의 수를 늘려 병렬 연산을 강화하는 것에 집중되어 있다. 하지만 다량의 GPU를 데이터 전송에 대한 최적화 없이 사용하는 것은 하나의 GPU를 사용하는 것보다 더 긴 데이터 전송 지연 문제를 발생시키고, 암호 분석 시스템의 전체적인 연산 시간 증가를 야기한다. 이에, 본 논문은 딥러닝 또는 HPC 연구 분야의 GPU Clustering 환경에서 고성능 데이터 처리를 위해 활용되는 GPUDirect RDMA 및 관련 제반 기술들을 조사 및 분석한다. 그리고 해당 기술들을 활용한 고성능 암호 분석 시스템 설계 방법들을 제안한다. 더 나아가, 해당 설계를 기반으로 Password Cracking, GPU Reduction을 활용한 암호 분석 시스템 구현 방법에 대해 제시한다. 최종적으로, GPUDirect RDMA 기술 적용으로 구현된 암호 분석 시스템에 대해서 암호 분석 작업 성능 향상의 실증을 통해 제안한 시스템에 대한 기대효과를 제시한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권11호
• /
• pp.473-482
• /
• 2021

최근 딥러닝을 이용한 한글 생성 모델이 연구되고 있으나, 한글 폰트의 구조가 복잡하고 많은 폰트 데이터가 필요하여 상당한 시간과 자원을 필요로 할 뿐 아니라 스타일이 제대로 변환되지 않는 경우도 발생한다. 이러한 문제점을 보완하기 위하여, 본 논문에서는 한글의 초성, 중성, 종성의 구성요소를 기반으로 최소 글자를 사용하는 한글 폰트 생성 모델인 CKFont 모델을 제안한다. CKFont 모델은 GAN을 사용하는 한글 자동 생성 모델로, 28개의 글자와 초/중/종성 구성요소를 이용하여 다양한 스타일의 모든 한글을 생성할 수 있다. 구성요소로부터 로컬 스타일 정보를 획득함으로써, 글로벌 정보 획득보다 정확하고 정보 손실을 줄일 수 있다. 실험 결과 스타일을 자연스럽게 변환되지 못하는 경우를 감소시키고 폰트의 품질이 향상되었다. 한글 폰트를 생성하는 다른 모델들과 비교하여, 본 연구에서 제안하는 CKFont는 최소 글자를 사용하는 모델로, 모델의 구조가 간결하여 폰트를 생성하는 시간과 자원이 절약되는 효율적인 모델이다. 구성요소를 이용하는 방법은 다른 언어 폰트의 변환은 물론 다양한 이미지 변환과 합성에도 사용될 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권12호
• /
• pp.4420-4438
• /
• 2021

Image dehazing is an ill-posed problem which is far from being solved. Traditional image dehazing methods often yield mediocre effects and possess substandard processing speed, while modern deep learning methods perform best only in certain datasets. The haze removal effect when processed by said methods is unsatisfactory, meaning the generalization performance fails to meet the requirements. Concurrently, due to the limited processing speed, most dehazing algorithms cannot be employed in the industry. To alleviate said problems, a lightweight fast dehazing network based on a multiple scale-patch framework (MSP) is proposed in the present paper. Firstly, the multi-scale structure is employed as the backbone network and the multi-patch structure as the supplementary network. Dehazing through a single network causes problems, such as loss of object details and color in some image areas, the multi-patch structure was employed for MSP as an information supplement. In the algorithm image processing module, the image is segmented up and down for processed separately. Secondly, MSP generates a clear dehazing effect and significant robustness when targeting real-world homogeneous and nonhomogeneous hazy maps and different datasets. Compared with existing dehazing methods, MSP demonstrated a fast inference speed and the feasibility of real-time processing. The overall size and model parameters of the entire dehazing model are 20.75M and 6.8M, and the processing time for the single image is 0.026s. Experiments on NTIRE 2018 and NTIRE 2020 demonstrate that MSP can achieve superior performance among the state-of-the-art methods, such as PSNR, SSIM, LPIPS, and individual subjective evaluation.

• 디지털정책학회지
• /
• 1권1호
• /
• pp.15-20
• /
• 2022

최근 헬스케어 분야는 다양한 산업 분야의 요구사항을 반영하여 서비스 품질을 향상시킬 수 있는 모델을 개발하려고 노력하고 있다. 본 논문에서는 헬스케어 서비스 향상을 위해서 5G 환경에서 사용자의 헬스케어 정보를 실시간으로 처리할 수 있는 행동인터넷(IoB, Internet of Behavior) 환경 모델을 제안한다. 제안 모델은 사용자의 헬스케어 정보를 딥러닝을 통해 분석한 후 건강 상태를 실시간으로 확인할 수 있도록 하는 것이 목적이다. 이때, 사용자의 생체 정보는 휴대용 의료 장비에 부착된 통신 장비를 통해 전달되며, 사용자 인증은 부착된 IoB 장치에 사전 입력된 정보를 통해 수행된다. 기존 IoT 헬스케어 서비스와의 차별점은 사용자의 습관 및 행동 패턴을 분석해서 디지털 데이터화 하는 점과 수집된 데이터를 기반으로 사용자의 헬스케어 서비스 향상을 위한 사용자 특정 행동을 유도할 수 있다는 점이다.

• 한국음향학회지
• /
• 제41권3호
• /
• pp.312-318
• /
• 2022

본 논문은 딥러닝기법 중 하나인 합성곱 신경망과 순환 신경망 중 하나인 장단기 메모리를 이용하여 사격시 발생하는 소음(이하 사격음)만으로 화기의 종류, 사격음 발생지점에 관한 정보(거리와 방향)을 추정하는 모델을 다루었다. 이를 위해 미국 법무부 산하 연구소의 지원하에 생성된 Gunshot Audio Forensic Dataset을 이용하였으며, 음향신호를 멜 스펙트로그램(Mel-Spectrogram)으로 변환한 후, 4종의 합성곱 신경망과 1종의 장단기 메모리 레이어로 구성된 딥러닝 모델에 학습 및 검증 데이터로 제공하였다. 제안 모델의 성능을 확인하기 위해 합성곱 신경망으로만 구성된 대조 모델과 비교·분석하였으며, 제안 모델의 정확도가 90 % 이상으로 대조모델보다 우수한 성능을 보였다.