• 한국인터넷방송통신학회논문지
• /
• 제15권6호
• /
• pp.147-154
• /
• 2015

최근 애자일 개발프로세스가 생산성 증대효과, 품질향상, 고객만족 등의 효용성이 입증되면서 프로젝트 추진 시 방법론 선택에 있어 전문가들에게 많은 관심을 갖게 되었다. 시대적 요구와 사용자 요구에 부응하기 위한 방법론 선정과 관련해서, 본 논문에서는 제품 기반의 Cross functional team의 문제점을 해결하고자 제안된 방법론이 Feature Team 모델이며, 이 모델이 Cross functional team을 조직하고, 이 팀이 결과물(프로덕트) 단위가 아니라, 기능단위로 여러 프로덕트에 걸쳐서 개발을 진행하는 모델이라는 점에 대해 조사하였으며, 가치-주도형 애자일 기법을 통해 계획-기반형 모델과 차이점을 제시하였다. Agile 성숙도 측정기준을 검토하였으며, PRINCE2 Agile Health-check 항목 연구를 통해 Agile 기법이 프로젝트 착수단계의 요구사항은 확정 본이 아닌 언제라도 변경될 수 있다는 것을 전제를 해서 객관적인 평가를 받는 방법에 대해 연구하고 프로젝트 팀 구성에 대해 향후 발전방향을 제시하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권3호
• /
• pp.229-236
• /
• 2011

본 논문에서는 스마트폰용 경량화된 영한, 한영 모바일 번역기를 설계 및 구현한다. 번역 엔진은 자연스러운 번역과 높은 번역 품질을 위해 번역 메모리와 규칙기반의 번역 엔진으로 이중화를 한다. 개발된 번역 엔진의 사용자의 사용성 (Usability)을 극대화하기 위해 스마트폰에 내장된 카메라를 통한 문자인식(OCR; Optical Character Recognition) 엔진과 음성 합성 엔진(TTS; Text-to-Speech)을 각각 Front-End와 Back-end에 접목하였다. 실험결과 번역 품질은 BLEU와 NIST 평가치를 기준으로 구글번역기 대비 영한 번역은 72.4%, 한영 번역은 77.7%로 평가되었다. 이러한 평가결과는 본 논문에서 개발한 모바일 자동번역기가 서버 기반의 번역기의 성능에 근접하며 상업적으로 유용함을 보여준다.

• 융합보안논문지
• /
• 제11권1호
• /
• pp.39-48
• /
• 2011

QoS(Quality of Service)는 ITU-T Rec. E.800에 의해 서비스를 사용하는 형태, 특성 그리고 요구 수준에 따라 사용자의 요구에 부응하여 제공할 수 있는 네트워크 서비스의 성능지표로 표현된다. 네트워크를 활용하는 정보시스템에서 최종적인 목표는 요구되는 시간내에 목적하는 성능을 확보하는 것이다. 본 연구에서 제안하는 보안 QoS 프레임워크는 측정 메트릭스, 측정스케쥴, 측정도구, 측정의순서, 측정 결과분석에 관련된 사항으로 구성된다. 보안 QoS에서 네트워크보안의 정보보호기능과 시스템기능을 분리하여 관리하지 않고 연계하여 종합 메커니즘으로 구성 및 적용할 경우 종합적인 정보보호 효율은 시너지효과로 나타난다. 본 연구는 정보보호기능과 제반 시스템기능을 연계하여 정보보호기능을 적용했을 경우의 연동메커니즘 구현방법 개발과 그 성과를 측정하기 위한 것이다. 본 연구에서 제안한 네트워크 보안 효율성 제고를 위한 보안 QoS측정방안 연구 방법론을 통해 체계적인 측정환경을 설계할 경우 운용시스템상에서 보안 효율성 측정이 가능함이 입증되었고 측정 메커니즘을 통해서 개선된 네트워킹기능과 정보시스템 기능을 위한 효율성제고 방법론 개발이 가능함을 보여주고 있다.

• 한국정보과학회논문지:정보통신
• /
• 제36권5호
• /
• pp.456-469
• /
• 2009

본 논문에서 ECOT(Estimated Channel Occupancy Time)이라는 새로운 무선 링크 성능 지표를 제시하며, 이를 기반으로 멀티 홉 무선 메쉬 네트워크 환경에서 종간간 높은 수율을 얻고자 한다. ECOT의 핵심적인 특징은 다양한 형태의 IEEE 802.11 MAC(Medium Access Control) 환경에서 적용이 가능하다는 점이다. 우리는 802.11 DCF(Distributed Coordination Function), 802.11e EDCA(Enhanced Distributed Channel Access) with BACK(Block Acknowledgement), 802.11n A-MPDU(Aggregate MAC Protocol Data Unit)와 같은 다양한 형태의 링크 계층 구조를 고려하며, 이와 같은 다양한 환경에서 제안하는 ECOT이 기 제안된 다른 성능 지표 방법론과 비교하여 높은 종단간 수율 성능(이득: $8.5{\sim}354.4%$)을 보여줄 수 있다는 것을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.527-530
• /
• 2014

DASH는 2010년 MPEG(동화상전문가그룹)에서 개발된 스트리밍 기술이며, 2011년에 국제표준으로 채택되었다. 애플, 마이크로소프트와 아도비 등에서 멀티미디어 서비스를 제공하기 위해 응용되고 있는데, 일반적으로 클라이언트의 데이터 요청 시 네트워크의 가용 대역폭을 분석, 적절한 대역폭을 사용하여 미디어 데이터를 클라이언트에 전달한다. 즉, 고품질의 미디어 전송 중, 가용 대역폭이 급격히 하락하는 경우, 저품질의 데이터를 전송하여, 사용자 디바이스에서 끊김 없이 미디어를 재생할 수 있도록 한다. 본 논문은 DASH 기술에 관한 기존 연구들을 전송 속도와 대역폭 측정방식, 전송 속도 결정 알고리즘, 사용자 경험 (QoE) 평가 방법에 따라 분류하고, 각 연구의 장 단점을 비교, 분석하여, 가용 대역폭 변화가 심한 무선 네트워크에서 DASH 기술을 구현하는 데 있어서 고려하여야 할 요소들을 제시한다.

• 한국정보통신학회논문지
• /
• 제26권7호
• /
• pp.1091-1097
• /
• 2022

본 논문에서는 배타적 논리합 연산을 활용한 비디오 스트리밍 기술인 eXclusive OR-based Cast(XC) 시스템을 구현하고, 근거리무선망 환경에서 다양한 성능지표들을 측정한다. 또한, 기존 연구들이 제한적 환경에서 시뮬레이션을 통하여 성능을 분석한 반면, 본 연구에서는 다양한 실질적인 비디오 스트리밍 환경들을 고려하여 XC 시스템의 성능 개선 정도를 확인한다. 이를 위해서 클라이언트들이 서버로 전송하는 STR_REQ_MSG (SRM)와 스트리밍 서버가 클라이언트들을 제어하기 위한 STR_CON_MSG (SCM)와 같은 새로운 제어 메시지들을 제안하고 이들을 활용하여 프로토콜을 설계하였다. 구현한 XC 시스템을 활용한 다양한 성능 측정 결과에 따르면, XC 스트리밍 시스템은 기존 스트리밍 시스템 대비 네트워크 대역폭 소모량을 평균적으로 8.6% 그리고 최대 약 25%까지 줄일 수 있다. 또한, 스트리밍 서비스의 중단 확률은 약 76%까지 낮아진다.

• Fisheries and Aquatic Sciences
• /
• 제26권4호
• /
• pp.268-281
• /
• 2023

Coral reef fisheries are prominent for the archipelagic countries' food sufficiency and security. Studies showed that fish abundance and biomass are affected by biophysical variables. The present study determines which biophysical variables are important predictors of fish diversity, abundance, and biomass. The study used available monitoring data from the Indonesian Research Center for Oceanography, the National Board for Research and Innovation. Data were collected from 245 transects in 19 locations distributed across the Indonesian Archipelago, including the eastern Indian Ocean, Sunda Shelf (Karimata Sea), Wallacea (Flores and Banda Seas), and the western Pacific Ocean. Principal component analysis and multiple regression model were administered to 13 biophysical metrics against 11 variables of coral reef fishes, i.e., diversity, abundance, and biomass of coral reef fishes at three trophic levels. The results showed for the first time that the covers of other fauna, coral rubbles, and soft corals were the three most important predictor variables for nearly all coral reef fish variables. Other fauna cover was the important predictor for all 11 coral reef fish variables. Coral rubble cover was the predictor for ten variables, but carnivore fish abundance. Soft coral cover was a good predictor for corallivore, carnivore, and targeted fishes. Despite important predictors for corallivore and carnivore fish variables, hard coral cover was not the critical predictor for herbivore fish variables. The other important predictor variables with a consistent pattern were dead coral covered with algae and rocks. Dead coral covered with algae was an important predictor for herbivore fishes, while the rock was good for only carnivore fishes.

• 한국시뮬레이션학회논문지
• /
• 제32권3호
• /
• pp.67-74
• /
• 2023

반도체 제조라인(FAB)은 복잡하고 불확실한 운영환경에서 작동하는 대규모의 제조시스템 중 하나로 반도체 설비 운영을 담당하는 엔지니어들은 직관적이고 신속한 공정 스케줄링을 위해 가중치 기반 스케줄링을 널리 사용하고 있다. 가중치 기반 스케줄링에서 가중치 결정은 FAB 성능에 큰 영향을 미치므로 엔지니어들은 가중치 최적화를 위하여 시뮬레이션 기반 의사결정을 활용할 수 있다. 그러나 대규모 시뮬레이션은 많은 실험 비용을 요구하기 때문에 효과적인 의사결정을 위해서 신중한 실험설계가 요구된다. 본 연구에서는 적은 시뮬레이션 실행 내에서 효율적인 스케줄링을 도출하기 위해 세 가지 샘플링 대안(i.e., Optimal latin hypercube sampling(OLHS), Genetic algorithm(GA), and Decision tree based sequential search (DSS))에 대한 비교연구를 수행하였다. 시뮬레이션 실험을 통해 세 가지 대안이 단일 규칙보다 우수한 성능을 보였고, 그중 GA와 DSS가 최적화를 위한 효과적인 대안이 될 수 있음을 확인하였다.

• International Journal of Computer Science & Network Security
• /
• 제23권8호
• /
• pp.177-189
• /
• 2023

Malware detection is an increasingly important operational focus in cyber security, particularly given the fast pace of such threats (e.g., new malware variants introduced every day). There has been great interest in exploring the use of machine learning techniques in automating and enhancing the effectiveness of malware detection and analysis. In this paper, we present a deep recurrent neural network solution as a stacked Long Short-Term Memory (LSTM) with a pre-training as a regularization method to avoid random network initialization. In our proposal, we use global and short dependencies of the inputs. With pre-training, we avoid random initialization and are able to improve the accuracy and robustness of malware threat hunting. The proposed method speeds up the convergence (in comparison to stacked LSTM) by reducing the length of malware OpCode or bytecode sequences. Hence, the complexity of our final method is reduced. This leads to better accuracy, higher Mattews Correlation Coefficients (MCC), and Area Under the Curve (AUC) in comparison to a standard LSTM with similar detection time. Our proposed method can be applied in real-time malware threat hunting, particularly for safety critical systems such as eHealth or Internet of Military of Things where poor convergence of the model could lead to catastrophic consequences. We evaluate the effectiveness of our proposed method on Windows, Ransomware, Internet of Things (IoT), and Android malware datasets using both static and dynamic analysis. For the IoT malware detection, we also present a comparative summary of the performance on an IoT-specific dataset of our proposed method and the standard stacked LSTM method. More specifically, of our proposed method achieves an accuracy of 99.1% in detecting IoT malware samples, with AUC of 0.985, and MCC of 0.95; thus, outperforming standard LSTM based methods in these key metrics.

• Geomechanics and Engineering
• /
• 제37권3호
• /
• pp.223-241
• /
• 2024

Evaluating the performance of Tunnel Boring Machines (TBMs) stands as a pivotal juncture in the domain of hard rock mechanized tunneling, essential for achieving both a dependable construction timeline and utilization rate. In this investigation, three advanced artificial neural networks namely, gated recurrent unit (GRU), back propagation neural network (BPNN), and simple recurrent neural network (SRNN) were crafted to prognosticate TBM-rate of penetration (ROP). Drawing from a dataset comprising 1125 data points amassed during the construction of the Alborze Service Tunnel, the study commenced. Initially, five geomechanical parameters were scrutinized for their impact on TBM-ROP efficiency. Subsequent statistical analyses narrowed down the effective parameters to three, including uniaxial compressive strength (UCS), peak slope index (PSI), and Brazilian tensile strength (BTS). Among the methodologies employed, GRU emerged as the most robust model, demonstrating exceptional predictive prowess for TBM-ROP with staggering accuracy metrics on the testing subset (R² = 0.87, NRMSE = 6.76E-04, MAD = 2.85E-05). The proposed models present viable solutions for analogous ground and TBM tunneling scenarios, particularly beneficial in routes predominantly composed of volcanic and sedimentary rock formations. Leveraging forecasted parameters holds the promise of enhancing both machine efficiency and construction safety within TBM tunneling endeavors.