• 정보보호학회논문지
• /
• 제22권4호
• /
• pp.785-796
• /
• 2012

본 논문에서는 악성코드의 시스템 콜 빈도수를 특징값으로 행위 기반 탐지(behavior-based detection)를 할 때, 시스템 콜의 속성 개수보다 학습데이터 개수가 적더라도 효과적으로 악성 코드를 탐지하는 기법을 제안한다. 이 연구에서는, 프로그램 코드가 동작할 때, 발생시키는 윈도우 커널 데이터인 Native API를 수집하여 빈도수로 정규화한 것을 기본적인 속성 값으로 사용하였다. 또한 악성코드와 정상 코드를 효과적으로 분류할 수 있으면서, 악성코드를 분류하기 위한 기본적인 속성의 개수보다 학습데이터 개수가 적어도 적용 가능한 GLDA(Generalized Linear Discriminant Analysis)를 사용하여, 새로운 속성 값들로 전환하였다. 분류 기법으로는 베이지언 분류법의 일종인 kNN(k-Nearest Neighbor) 분류법을 이용하여 악성 코드를 탐지하였다. 제안된 탐지 기법의 성능을 검증하기 위하여 수집된 Native API 로 기존의 연구 방법과 비교 검증하였다. 본 논문에 제안된 기법이 탐지율(detection rate) 100%인 Threshold 값에서, 다른 탐지 기법보다 낮은 오탐율(false positive rate)을 나타내었다.

• 한국수자원학회논문집
• /
• 제53권10호
• /
• pp.889-902
• /
• 2020

본 연구에서는 GLDAS (Global Land Data Assimilation System)와 GLEAM (Global Land Evaporation Amsterdam Model) 증발산량의 적정성을 평가하기 위해 설마천 유역에서 관측된 에디공분산 기반의 잠열 플럭스를 검증자료로 활용하였다. 잠열 플럭스로부터 증발산량을 산정하기 위해 Koflux 프로그램으로 자료처리하였으며, 자료처리 후 발생된 빈구간을 보충(Gap-filling)하기 위해 FAO-PM (Food and Agriculture Organization-Penman Monteith), 평균 일변동(Mean Diurnal Variation, MDV), 칼만 필터(Kalman Filter)의 3가지 방법으로 대체 증발산량을 산정하였다. 본 연구에서는 3가지 방법 중 칼만 필터(Kalman Filter) 기반의 증발산량이 우수한 Bias와 RMSE를 보여 자료보충 방법으로 채택하였다. 공간증발산량은 GLDAS의 경우 Noah (version 2.1, 3시간, 공간해상도 0.25°)로 추출하였으며 GLEAM의 경우는 GLEAM(version 3.1a, 1일, 공간해상도 0.25°)를 이용하였다. GLDAS와 GLEAM의 공간증발산량을 에디공분산 기반의 증발산량으로 적정성을 평가한 결과, GLDAS의 증발산량이 에디공분산 기반과 비교적 적정한 결과를 나타내었다.

• 한국수자원학회논문집
• /
• 제57권5호
• /
• pp.333-346
• /
• 2024

수량과 수질 및 수생태를 동시에 고려한 수자원 관리를 위해서는 신뢰도 높은 중기 유량 예측 기술이 필수적이다. 이를 위해서는 기상자료의 특성에 대한 이해와 더불어, 시공간 해상도가 낮은 기상예측 정보를 고해상도 분포형 수문모형에서 효과적으로 활용하는 기술이 중요하다. 본 연구에서는 분포형 수문모형 WRF-Hydro와 선행시간 288시간까지의 기상정보를 제공하는 Global Data Assimilation and Prediction System (GDAPS)를 활용해 고해상도 중기 유량 예측을 수행하고 적용성을 검토하였다. 이를 위해 대상 유역인 낙동강 지류 금호강 유역에 대해 100 m 공간해상도의 WRF-Hydro모형을 구축하고 기상지상관측자료 Automatic Weather Stations (AWS)& Automated Synoptic Observing Systems (ASOS), 기상수치예보모형 GDAPS, 기상재분석자료 Global Land Data Assimilation System (GLDAS)를 입력자료로 적용한 유량 예측 모의 결과를 비교하였다. 2020~2022년 기간 3개의 강우사상에 대해 유역 평균 누적 강우량을 분석 결과, AWS&ASOS대비 GDAPS는 36%~234%, GLDAS 재분석자료는 80%~153% 범위의 과소 및 과대 산정되었음을 확인하였다. AWS&ASOS입력자료로 한 유량 예측 결과는 KGE, NSE지표가 유역 말단 강창교 지점 기준 0.6이상이었으나, GDAPS 기반 유량 모의는 강우 사상에 따라 KGE 값이 0.871~-0.131로 큰 변동성이 확인되었다. 한편, 첨두 유량 오차는 GDAPS가 GLDAS보다 크거나 비슷했지만, 첨두 홍수 발생시간의 오차는 AWS&ASOS, GDAPS, GLDAS가 각각 평균 3.7시간, 8.4시간, 70.1시간으로, 첨두 발생시간 측면에서는 GDAPS의 오차가 GLDAS보다 적었다. GDAPS를 입력자료로 한 WRF-Hydro 고해상도 중기 유량 예측은 첨두 유량의 불확실성은 크지만, 첨두 유량 발생시점에 대한 정확도는 상대적으로 높아 수자원 시설 운영에 효과적으로 활용될 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.227-227
• /
• 2016

일반적으로 가뭄은 신뢰성 높고 활용이 쉬운 강수량 자료를 활용하여 판단되고 있으나, 복합적인 대응을 하기 위해서는 증발산량, 토양수분 등 다양한 변수를 고려해야 한다. 이러한 수문기상정보들은 관측자료의 자료 확보기간이 통계 분석을 하기에 짧거나, 시공간적 대표성 부족 등의 단점이 있다. 이러한 문제점을 극복하기 위해 지면모델이 대안으로 널리 활용중이나, 이를 실제로 가뭄에 활용한 응용연구는 상대적으로 부족한 실정이다. 본 연구에서는 미국 NASA의 전지구지표자료동화체계 GLDAS (Global Land Data Assimilation System) 산출물을 활용하여 지면모델 기반의 수문기상정보를 국내 가뭄감시 연구에 적용하고자 하였다. 이를 위해, GLDAS 프로젝트를 통해 제공되는 다중모델 기반의 증발산량, 토양수분 결과를 비교 분석하고 이를 직접 활용할 수 있는 가뭄판단 지수에 적용하여 성능을 검토하였다. 이를 통해 GLDAS 산출 정보가 가뭄판단에 있어 발휘하는 성능을 평가함으로써, 향후 본원에서 구축할 지면 모델 앙상블 시스템의 가뭄감시정보 산출의 효과를 간접적으로 검토하고자 한다.

• 한국수자원학회논문집
• /
• 제45권8호
• /
• pp.805-814
• /
• 2012

대부분의 수문자료는 지상관측을 통해 얻어진다. 그러나 어떤 지역은 접근이 어렵거나 장기적인 관측에 어려움이 있기 때문에 지상관측을 대체하거나 보완할 새로운 방법이 요구된다. 시 공간적 한계를 극복할 수 있는 대안으로 미항공우주국 NASA에서 2002년 지구 중력장을 측정하는 GRACE(Gravity Recovery And Climate Experiment) 인공위성 자료가 존재한다. 본 연구에서는 GRACE Level-2 중력자료를 이용하여 공간평활화 반경별(0 km, 300 km, 500 km)로 한반도의 수자원변화량(GRACE-based TWSC)을 산정하였다. 산정된 결과의 타당성을 검증하기 위해, 지상 수문 관측자료를 이용한 수자원 변화량(land-based TWSC)과의 비교를 시도하였다. Land-based TWSC는 WAMIS의 강우량, 증발 산량 및 GLDAS의 유출량 자료를 이용해 계산하였다. GRACE-based TWSC와 land-based TWSC의 RMSE 검정 결과, 공간평활화 반경 500 km의 위성자료가 한반도에 가장 적합한 것으로 나타났다. 한반도의 월별 평균 TWSC는 0.986 cm/month로 나타났고, 이러한 큰 변화폭 때문에 안정적수자원 확보를 위한 대처 방안의 마련이 필요한 것으로 평가된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.467-467
• /
• 2015

Sustainable water resource management requires the assessment of hydrological variability in response to climate fluctuations and anthropogenic activities. Determining quantitative estimates of water balance and total basin discharge are of utmost importance to understand the variations within a basin. Hard-to-reach areas with few infrastructures, coupled with lengthy administrative procedures makes in-situ data collection and water management processes very difficult and unreliable. In this study, the hydrological behavior of Lake Chad whose extent, extreme climatic and environmental conditions make it difficult to collect field observations was examined. During a 10 year period [January 2003 to December 2013], dataset from space-borne and global hydrological models observations were analyzed. Terrestial water storage (TWS) data retrieved from Gravity Recovery and Climate Experiment (GRACE), lake level variations from Satellite altimetry, water fluxes and soil moisture from Global Land Data Assimilation System (GLDAS) were used for this study. Furthermore, we combined altimetry lake volume with TWS over the lake drainage basin to estimate groundwater and soil moisture variations. This will be validated with groundwater estimates from WaterGAP Global Hydrology Model (WGHM) outputs. TWS showed similar variation patterns Lake water level as expected. The TWS in the basin area is governed by the lake's surface water. As expected, rainfall from GLDAS precedes GRACE TWS with a phase lag of about 1 month. Estimates of groundwater and soil moisture content volume changes derived by combining altimetric Lake Volume with TWS over the drainage basin are ongoing. Results obtained shall be compared with WaterGap Hydrology Model (WGHM) groundwater estimate outputs.

• 한국수자원학회논문집
• /
• 제52권1호
• /
• pp.11-19
• /
• 2019

본 연구에서는 인공위성 및 재분석 자료인 Global Land Data Assimilation System (GLDAS), Global Land Evaporation Amsterdam Model (GLEAM), MOD16의 실제증발산량 산출물을 활용하여 한국수자원조사기술원(Korea Institute of Hydrological Survey, KIHS)에서 관리하고 있는 청미천(cheongmicheon farmland site, CFK)과 설마천(seolmacheon site, SMK) flux tower에서 검증하였고, Triple collocation (TC) 방법을 활용하여 자료간의 불확실성 및 상관성분석을 수행하였다. 플럭스타워와의 검증 결과에서는 전반적으로 GLEAM>GLDAS>MOD16순으로 좋은 결과를 나타내었으며, 세가지 산출물의 조합(S1: flux tower vs. GLDAS vs. MOD16, S2: flux tower vs. GLDAS vs. GLEAM, S3: flux tower vs. GLEAM vs. MOD16)을 통한 TC 결과에서는 청미천(설마천)에서 GLEAM>GLDAS>MOD16>flux tower (GLDAS>GLEAM>MOD16>flux tower)순으로 좋은 결과를 나타내었다. TC 분석 결과에서 Flux tower의 error variance와 correlation coefficient가 상대적으로 좋은 결과를 나타내지 못하였으므로, 한반도 지역에서 인공위성과 재분석 자료(GLDAS vs. GLEAM vs. MOD16)만을 활용하여 TC를 적용하였다. 그 결과, GLDAS와 GLEAM이 한반도 영역에서 낮은 error variance 와 높은 correlation coefficient를 나타낸 반면, MOD16의 경우, 농지에서 낮은 correlation coefficient과 높은 error variance를 나타내었다.