• 융합신호처리학회논문지
• /
• 제5권3호
• /
• pp.223-229
• /
• 2004

최근에 OFDM과 시공간 부호화(Space-Time Code, STC)는 차세대 이동 통신에서 고속의 신뢰성 있는 통신을 위해 각광받고 있다. 본 논문에서는 다중경로 페이딩 채널에서 고속의 데이터를 전송하고자 할 경우에 성능을 향상시키고자 트렐리스 부호화된(Trellis-Coded, TC) 차동 시공간 변조(Differential Space Time Modulation, DSTM)를 사용한 OFDM에서 다증 심벌 검파 시스템을 제안한다. 차동 시공간 부호화된 OFDM의 성능을 향상시키기 위해 DUSTM(differential unitary space-time modulation)을 이용하여 송신기를 설계하고 수신단에서 다중 심벌 검파를 수행하는 수신기와 디코딩 알고리듬을 개발하며, 이를 위한 새로운 가지 메트릭을 유도한다.

• 인터넷정보학회논문지
• /
• 제23권2호
• /
• pp.97-105
• /
• 2022

Web services show a rapid evolution and integration to meet the increased users' requirements. Thus, web services undergo updates and may have performance degradation due to undetected faults in the updated versions. Due to these faults, many performances and regression anomalies in web services may occur in real-world scenarios. This paper proposed applying the deep learning model and innovative explainable framework to detect performance and regression anomalies in web services. This study indicated that upper bound and lower bound values in performance metrics provide us with the simple means to detect the performance and regression anomalies in updated versions of web services. The explainable deep learning method enabled us to decide the precise use of deep learning to detect performance and anomalies in web services. The evaluation results of the proposed approach showed us the detection of unusual behavior of web service. The proposed approach is efficient and straightforward in detecting regression anomalies in web services compared with the existing approaches.

• 스마트미디어저널
• /
• 제12권2호
• /
• pp.66-75
• /
• 2023

최근 기업 및 공공기관 정보시스템의 클라우드 전환이 가속화되면서 클라우드 환경에서 운영되는 웹 애플리케이션이 증가하고 있다. 클라우드 웹 애플리케이션에 대한 전통적인 네트워크 공격은 대량의 패킷으로 네트워크 자원을 고갈시키는 DoS(Denial of Service) 공격이 대표적이지만, 최근에는 애플리케이션 자원을 고갈시키는 HTTP DoS 공격도 증가하고 있어 이에 대응하기 위한 보안기술 마련이 필요하다. 특히, HTTP DoS 공격 중, 저대역폭으로 수행되는 공격은 네트워크 자원을 고갈시키지 않기 때문에 네트워크 메트릭을 모니터링 하는 전통적인 보안 솔루션으로 탐지하는 것이 어렵다. 본 논문에서는 클라우드 웹 애플리케이션에 HTTP DoS 공격을 주입하면서 웹 서버의 애플리케이션 메트릭을 수집하고, 이를 머신러닝 기반으로 학습하여 공격을 탐지하는 새로운 탐지 모델을 제안한다. 애플리케이션 메트릭으로는 아파치 웹 서버의 18종을 수집하였고, 5종의 머신러닝 모델과 2종의 딥러닝 모델을 사용하여 수집한 데이터를 학습하였다. 또한, 6종의 네트워크 메트릭을 추가로 수집 및 학습하고, 제안된 애플리케이션 메트릭 기반 모델과 성능을 비교함으로써 애플리케이션 메트릭 기반 머신러닝 모델의 우수성을 검증한다. HTTP DoS 공격 중, 저대역폭으로 수행되는 RUDY 공격과 고대역폭으로 수행되는 HULK 공격을 제안된 모델로 탐지한 결과, 두 공격 탐지에 있어서 애플리케이션 메트릭 기반 머신러닝 모델의 F1-Score가 네트워크 메트릭 기반의 모델보다 각각 약 0.3, 0.1 높은 것을 확인하였다.

• 한국통신학회논문지
• /
• 제17권10호
• /
• pp.1147-1156
• /
• 1992

본 논문에서는 $\pi/4$ shift QPSK에 Trellis 부호화된 변조 기법(Trellis-Coded Modulation. TCM)을 적용시키기위하여 $\pi/8$ shift 8PSK를 제안하고 위상차에 의한 신호 집합 확장과 신호 집합 분할을 수행하는 trellis 부호화된 π/8 shift 8PSK를 제안한다. 또한 BER(Bit Error Rate) 성능을 향상시키기위하여 제1차 위상차뿐만아니라 제L차 이상차의 자승 유클리드 거리를 매트릭(Branch Metric)으로 갖는 비터비 디코더(Viterbi decoder)를 설계한다. 그리고 $\pi/4$ shift QPSK, trellis 부호화된 $\pi/8$ shift 8PSK와 제L차 위상차의 자승 유클리드 거리를 메트릭(Branch Metric)으로 갖는 trellis 부호화된 $\pi/8$ shift 8PSK 의 BER 특성을 AWGN에서 Monte Carlo 시뮬레이션을 통해 알아본다. 제안된 알고리즘은 MDPSK에도 적용될 수 있다.

• 한국ITS학회 논문지
• /
• 제7권1호
• /
• pp.59-67
• /
• 2008

이 논문은 우리나라 차량 영상에서 번호판 영역을 추출하는 알고리즘을 제안한다. 이 논문의 아이디어는 차량 영상에서 네 개의 숫자를 찾고 그 정보를 이용하여 번호판 영역을 분할하는 것이다. 이 방법으로 번호판 영역을 찾으면 네 개 숫자 영역도 더불어 얻게 되는 장점을 가진다. 첫 단계는 입력된 영상에서 적절한 크기의 연결 요소를 검출하고 이들을 군집화 한다. 둘째 군집화 된 연결요소들을 바탕으로 숫자 네 개 (4-digits)후보를 생성한다. 세 번째 단계는 4-digits후보들을 인식하여 숫자일 신뢰도를 측정한다. 마지막으로 후보 영역 중 신뢰도가 가장 높은 영역을 번호판 영역으로 추출한다 신뢰도를 얻기 위해 Perfect Metrics 분류 알고리즘을 사용하였다. 제안하는 방법을 주간 영상 4600장과 야간 영상 264장으로 테스트 한 결과 각각 97.23%와 95.45%의 검출률과 0.09%와 0.11%의 오검출률을 얻었다.

• 한국정보통신학회논문지
• /
• 제10권10호
• /
• pp.1869-1876
• /
• 2006

최근에 시공간 부호화(Space-Time Code, STC)는 차세 대 이동 통신에서 고속의 신뢰성 있는 통신을 위 해 각광받고 있다. 본 논문에서는 다중경로 페이딩 채널에서 고속의 데이터를 전송하고자 할 경우에 성능을 향상시키고자 트렐리스 부호화된(Trellis-Coded, TC) 차동 시공간 변조(Differential Space Time Modulation, DSTM)를 사용한 MDPSK에서 다중 심벌 검파 시스템을 제안한다 차동 시공간 부호화된 MDPSK의 성능을 향상시키기 위해 DUSTM(differential unitary space-time modulation)을 이용하여 송신기를 설계하고 수신단에서 다중 심 벌 검파를 수행하는 수신기와 디코딩 알고리듬을 개발하며, 이를 위한 새로운 가지 메트릭을 유도한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 춘계종합학술대회
• /
• pp.568-573
• /
• 2002

본 논문에서는 트렐리스 부호화된 MDPSK-OFDM의 차동검파에서 BER(bit error rate) 성능을 향상시키기 위해 다중 위상 검파를 수행한다. 제안된 비터비 디코더는 다중 위상차를 가지 메트릭으로 사용하는 슬라이딩 방식의 다중 위상 검출 방식이며 이러한 가지 메트릭을 사용하는 비터비 알고리듬을 제안한다. 본 논문에서 제안한 다중 위상 검출을 이용한 MDPSK-OFDM은 대역폭과 전력의 효율성을 감소시키지 않고 같은 SNR에서 BER 성능을 향상시킬 수 있다는 것을 보여준다. 또한 제안된 디코더 방식과 알고리듬은 다중 반송파뿐만 아니라 전통적인 단일 반송파 변조에도 사용됨 수 있다.

• International Journal of Computer Science & Network Security
• /
• 제24권6호
• /
• pp.23-32
• /
• 2024

Mobile Ad hoc Network is a network of multiple wireless nodes which communicate and exchange information together without any fixed and centralized infrastructure. The core objective for the development of MANET is to provide movability, portability and extensibility. Due to infrastructure less network topology of the network changes frequently this causes many challenges for designing routing algorithms. Many routing protocols for MANET have been suggested for last few years and research is still going on. In this paper we review three main routing protocols namely Proactive, Reactive and Hybrid, performance comparison of Proactive such as DSDV, Reactive as AODV, DSR, TORA and Hybrid as ZRP in different network scenarios including dynamic network size, changing number of nodes, changing movability of nodes, in high movability and denser network and low movability and low traffic. This paper analyzes these scenarios on the performance evaluation metrics e.g. Throughput, Packet Delivery Ratio (PDR), Normalized Routing Load(NRL) and End To-End delay(ETE).This paper also reviews various network layer security attacks challenge by routing protocols, detection mechanism proposes to detect these attacks and compare performance of these attacks on evaluation metrics such as Routing Overhead, Transmission Delay and packet drop rates.

• Journal of Information Processing Systems
• /
• 제14권3호
• /
• pp.751-770
• /
• 2018

Web applications are indispensable in the software industry and continuously evolve either meeting a newer criteria and/or including new functionalities. However, despite assuring quality via testing, what hinders a straightforward development is the presence of defects. Several factors contribute to defects and are often minimized at high expense in terms of man-hours. Thus, detection of fault proneness in early phases of software development is important. Therefore, a fault prediction model for identifying fault-prone classes in a web application is highly desired. In this work, we compare 14 machine learning techniques to analyse the relationship between object oriented metrics and fault prediction in web applications. The study is carried out using various releases of Apache Click and Apache Rave datasets. En-route to the predictive analysis, the input basis set for each release is first optimized using filter based correlation feature selection (CFS) method. It is found that the LCOM3, WMC, NPM and DAM metrics are the most significant predictors. The statistical analysis of these metrics also finds good conformity with the CFS evaluation and affirms the role of these metrics in the defect prediction of web applications. The overall predictive ability of different fault prediction models is first ranked using Friedman technique and then statistically compared using Nemenyi post-hoc analysis. The results not only upholds the predictive capability of machine learning models for faulty classes using web applications, but also finds that ensemble algorithms are most appropriate for defect prediction in Apache datasets. Further, we also derive a consensus between the metrics selected by the CFS technique and the statistical analysis of the datasets.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권10호
• /
• pp.5159-5178
• /
• 2018

Network Intrusion detection is a rapidly growing field of information security due to its importance for modern IT infrastructure. Many supervised and unsupervised learning techniques have been devised by researchers from discipline of machine learning and data mining to achieve reliable detection of anomalies. In this paper, a deep convolutional neural network (DCNN) based intrusion detection system (IDS) is proposed, implemented and analyzed. Deep CNN core of proposed IDS is fine-tuned using Randomized search over configuration space. Proposed system is trained and tested on NSLKDD training and testing datasets using GPU. Performance comparisons of proposed DCNN model are provided with other classifiers using well-known metrics including Receiver operating characteristics (RoC) curve, Area under RoC curve (AuC), accuracy, precision-recall curve and mean average precision (mAP). The experimental results of proposed DCNN based IDS shows promising results for real world application in anomaly detection systems.