• Journal of Information Processing Systems
• /
• 제15권2호
• /
• pp.271-287
• /
• 2019

The synchronization scheme based on moving average is robust and suitable for the same rule to be adopted in embedding watermark and synchronization code, but the imperceptibility and search efficiency is seldom reported. The study aims to improve the original scheme for robust audio watermarking. Firstly, the survival of the algorithm from desynchronization attacks is improved. Secondly, the scheme is improved in inaudibility. Objective difference grade (ODG) of the marked audio is significantly changed. Thirdly, the imperceptibility of the scheme is analyzed and the derived result is close to experimental result. Fourthly, the selection of parameters is optimized based on experimental data. Fifthly, the search efficiency of the scheme is compared with those of other synchronization code schemes. The experimental results show that the proposed watermarking scheme allows the high audio quality and is robust to common attacks such as additive white Gaussian noise, requantization, resampling, low-pass filtering, random cropping, MP3 compression, jitter attack, and time scale modification. Moreover, the algorithm has the high search efficiency and low false alarm rate.

• 한국전자통신학회논문지
• /
• 제8권8호
• /
• pp.1129-1135
• /
• 2013

본 논문에서는 최적 특징점 선택기법를 적용한 다중 최적 Adaboost 분류기를 기반으로 새로운 차량 검출 알고리즘을 제안한다. 제안하는 알고리즘은 2 가지 주요 모듈로 구성된다. 첫 번째는 설치된 카메라의 사이트 모델링을 이용한 영상 스케일링을 기반으로 하는 이론적 DDISF(Distance Dependent Image Scaling Factor) 모듈이며, 두 번째는 차량과 카메라의 거리에 대응하는 최적 Haar-like 특징을 활용하는 것이다. 실험 결과 제안하는 알고리즘은 기존의 방법에 비하여 인식 성능이 개선됨을 확인하였다. 제안하는 알고리즘은 96.43% 의 인식률과 약 3.77%의 오검출이 발생하였다. 이러한 성능은 기존의 표준 Adabooost 알고리즘에 비하여 각각 3.69%와 1.28% 의 성능을 개선한 것이다.

• 전자공학회논문지
• /
• 제51권1호
• /
• pp.161-171
• /
• 2014

허프변환은 이미지 영역에서 패러미터 영역으로의 변환을 통해 주어진 이미지에서 모델 인스턴스를 추출해내는 방식으로 허프변환된 결과는 패러미터 영역 좌표에 해당하는 Cell 카운터들의 히스토그램 형태가 된다. 다음 단계로 임계값을 정한 후 이를 상회하는 카운터 값에 해당하는 패러미터 값을 통해 모델 인스턴스를 추출하게 되는데 일반적으로 그 임계값은 최고 Cell 카운터 값의 일정 부분에 해당하는 값을 주로 선택하게 된다. 임계점이 너무 낮을 경우 잘못된 모델 인스턴스를 추출할 가능성이 있으며(false positives) 반대로 너무 높은 임계점을 선택할 경우 존재하는 모델 인스턴스를 추출해내지 못하는 오류(false negatives)를 초래하게 된다. 본 논문에서는 일반화된 허프변환(Generalized Hough Transform) 적용 시 패러미터 영역에서의 Cell 카운터 값의 임계점 선택을 위한 방법으로 확률적인 접근방식을 제시하며 이를 위해 Cell 카운터 분포에 해당하는 조건부 확률을 도출하여 과학적인 임계점 선택이 가능함을 입증한다.

• Journal of Information Processing Systems
• /
• 제10권4호
• /
• pp.602-617
• /
• 2014

The performance of a cognitive radio network (CRN) solely depends on how precisely the secondary users can sense the presence or absence of primary users. The incorporation of a spatial false alarm makes deriving the probability of a correct decision a cumbersome task. Previous literature performed this task for the case of a received signal under a Normal probability density function case. In this paper we enhance the previous work, including the impact of carrier frequency, the gain of antennas on both sides, and antenna heights so as to observe the robustness against noise and interference and to make the correct decision of detection. Three small scale fading channels: Rayleigh, Normal, and Weibull were considered to get the real scenario of a CRN in an urban area. The incorporation of a maximal-ratio combining and selection combing with a variation of the number of received antennas have also been studied in order to achieve the correct decision of spectral sensing, so as to serve the cognitive users. Finally, we applied the above concept to a traffic model of the CRN, which we based on a two-dimensional state transition chain.

• 정보과학회 논문지
• /
• 제43권1호
• /
• pp.119-125
• /
• 2016

인지 무선 기술은 보조 사용자가 (SUs) 주 사용자 (PUs)에 간섭을 주지 않고 기회주의적 방식으로 라이선스 스펙트럼을 사용할 수 있는 기술이다. 인지 라디오의 핵심 기술은 스펙트럼 센싱이다. 그러나 인지 무선 센서 네트워크에서 에너지 효율적인 스펙트럼 센싱 기법에 대한 연구는 많지 않다. 본 논문에서는 클러스터 기반의 인지 무선 센서 네트워크를 위한 에너지 효율적인 협력 스펙트럼 센싱 노드 선택 기법을 제안한다. 제안하는 기법에서, 허위 경보 확률 및 에너지 소비를 최적화하기 위하여 클러스터 내 스펙트럼 센싱 노드들의 수를 최소화하게 된다. 시뮬레이션 결과를 통하여 본 논문에서 제안한 최적의 스펙트럼 센싱 노드 수를 적용하므로 스펙트럼 센싱 효율성이 향상되었고, 또한 네트워크의 에너지 효율성도 보장된 것을 검증하였다.

• International Journal of Computer Science & Network Security
• /
• 제24권5호
• /
• pp.111-118
• /
• 2024

In general network-based intrusion detection system is designed to detect malicious behavior directed at a network or its resources. The key goal of this paper is to look at network data and identify whether it is normal traffic data or anomaly traffic data specifically for accounting information systems. In today's world, there are a variety of principles for detecting various forms of network-based intrusion. In this paper, we are using supervised machine learning techniques. Classification models are used to train and validate data. Using these algorithms we are training the system using a training dataset then we use this trained system to detect intrusion from the testing dataset. In our proposed method, we will detect whether the network data is normal or an anomaly. Using this method we can avoid unauthorized activity on the network and systems under that network. The Decision Tree and K-Nearest Neighbor are applied to the proposed model to classify abnormal to normal behaviors of network traffic data. In addition to that, Logistic Regression Classifier and Support Vector Classification algorithms are used in our model to support proposed concepts. Furthermore, a feature selection method is used to collect valuable information from the dataset to enhance the efficiency of the proposed approach. Random Forest machine learning algorithm is used, which assists the system to identify crucial aspects and focus on them rather than all the features them. The experimental findings revealed that the suggested method for network intrusion detection has a neglected false alarm rate, with the accuracy of the result expected to be between 95% and 100%. As a result of the high precision rate, this concept can be used to detect network data intrusion and prevent vulnerabilities on the network.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권3호
• /
• pp.77-90
• /
• 2018

소프트웨어 결함 예측(SDP)은 결함이 있는 모듈을 식별하기 위한 연구 분야이다. 충분한 로컬 데이터가 없으면 다른 회사에서 수집한 데이터를 사용하여 분류기를 구축하는 교차 프로젝트 결함 예측(CPDP)을 활용할 수 있다. SDP에 대한 대부분의 기계 학습 알고리즘은 서로 다른 값에 따라 예측 성능에 큰 영향을 미치는 하나 이상의 매개 변수를 사용한다. 본 연구의 목적은 CPDP의 예측 성능 향상을 위해 매개 변수 선택 기법을 제안하는 것이다. Harmony Search 알고리즘을 사용하여, 예측 어려움을 야기하는 클래스 불균형을 해결하는 방법인 비용에 민감한 부스팅의 매개 변수를 조정한다. 분포 특성에 따라 매개 변수 범위와 매개 변수 간의 제한 조건 규칙이 정의되어 하모니 검색 알고리즘에 적용된다. 제안된 접근법은 15개의 대상 프로젝트를 대상으로 3개의 CPDP 모델과 내부프로젝트 결함 예측(WPDP) 모델을 비교한다. 실험 결과는 제안된 방법이 클래스 불균형의 맥락에서 다른 CPDP 방법보다 성능이 우수하다는 것을 보여준다. 이전의 연구에서는 탐지 확률이 낮거나 오보 가능성이 높았으나 우리의 기법은 높은 PD와 낮은 PF를 제공하면서 높은 전체 성능을 보였다. 또한 WPDP와 비슷한 성능을 제공하였다.