• International Journal of Advanced Culture Technology
• /
• 제9권3호
• /
• pp.315-320
• /
• 2021

Currently, cloud computing is being used as a technology that greatly changes the IT field. For many businesses, many cloud services are available in the form of custom, reliable, and cost-effective web applications. Most cloud service providers provide functions such as IoT, machine learning, AI services, blockchain, AR & VR, mobile services, and containers in addition to basic cloud services that support the scalability of processors, memory, and storage. In this paper, we will look at the most used cloud service providers and compare the services provided by the cloud service providers.

• 한국산학기술학회논문지
• /
• 제21권5호
• /
• pp.664-671
• /
• 2020

스마트 빌딩 (Smart Building)은 사물 인터넷 (IoT; Internet of Things) 장치와 클라우드 서비스에서 모두 사용될 수 있는 응응 프로그램을 의미한다. 최근 Amazon, Google 및 Microsoft와 같은 클라우드 서비스 제공 업체는 IoT 장치에서 클라우드 애플리케이션 서비스를 제공할 수 있는 IoT 클라우드 플랫폼을 제공하고 있다. Postscapes에 따르면 최근에 152 개의 IoT 클라우드 플랫폼이 존재하고 있으며 스마트 빌딩 구현을 위해 하나를 선택하는 것은 어려운 문제이다. 본 논문에서는 실험을 위해서 마이크로소프트 Azure IoT 허브와 아마존의 AWS(Amazon Web Services) IoT를 선택하였다. 두 개의 IoT 클라우드 플랫폼을 선택하고 스마트 빌딩 관점에서 평가하였다. IoT 클라우드 플랫폼을 평가하기 위해 두 가지 다른 IoT 클라우드 플랫폼을 활용하였고, 일반적인 스마트 빌딩 시나리오를 가정하여 프로토타입을 구현하였다. 실험은 IoT 클라우드 플랫폼을 사용하여 시스템을 개발하는 과정에서 얻은 정보와 경험을 기반으로 수행하였다. 이 평가 결과는 스마트 빌딩을 위해 IoT 클라우드 플랫폼을 선택할 때 활용될 수 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.129-130
• /
• 2020

본 논문에서는 청각장애인의 의사소통을 위한 안드로이드 애플리케이션 시스템 구현 결과를 보인다. 구글 클라우드 플랫폼(Google Cloud Platform)의 STT(Speech to Text) API를 이용하여 음성 인식을 통해 대화의 내용을 텍스트의 형태로 출력한다. 그리고 TTS(Text to Speech)를 이용한 음성 합성을 통해 텍스트를 음성으로 출력한다. 또한, 포그라운드 서비스(Service)에서 가속도계 센서(Accelerometer Sensor)를 이용하여 스마트폰을 2~3회 흔들었을 때 해당 애플리케이션을 실행할 수 있도록 하여 애플리케이션의 활용성을 높인 시스템을 개발하였다.

• 정보보호학회지
• /
• 제24권6호
• /
• pp.31-36
• /
• 2014

클라우드 컴퓨팅 서비스는 자원 공유와 가상화 기술 및 자원의 서비스화 등 기존 컴퓨팅 환경과 다른 특성으로 인해 클라우드 컴퓨팅 환경에 적합한 식별/접근제어 기술 및 보안 통제 사항이 요구된다. 그러므로 기존 컴퓨팅 자원을 클라우드 컴퓨팅 환경으로 변경하는 서비스 제공자나 클라우드 서비스로 이동하는 서비스 사용자는 특정한 보안 요건을 검토해야 한다. Cloud Security Alliance에서 배포한 Cloud Control Matrix와 ISO/IEC 27001을 비교 분석하여, 클라우드 컴퓨팅 환경에서 특별히 요구되는 식별 및 접근제어의 보안 통제 요건을 확인하였다. 또한, 주요 클라우드 컴퓨팅 서비스인 아마존의 AWS, 구글의 Google Cloud Platform과 VMware의 vCloud 서비스의 식별 및 접근제어 기술을 조사하였다. 이를 기반으로 클라우드 컴퓨팅 환경의 식별 및 접근제어 기술에서 필요한 보안 요건을 확인하였다.

• 한국빅데이터학회지
• /
• 제2권2호
• /
• pp.9-16
• /
• 2017

클라우드 서비스에 기반한 글로벌 플랫폼 솔루션 기업은 인공지능과 빅데이터 서비스를 킬러앱으로 발전시키며 기업의 산업 솔루션을 제공하며 이것은 기업의 비즈니스 밸류 체인에 큰 변화를 가져오게 할 것이다. 제조 생산의 최적화에서 디자인과 마케팅, 유통 등이 중요해 지고 SCM와 고객 데이터가 수평적으로 연결되어 관리가 필요해지면서 기업의 모든 데이터도 하나의 플랫폼을 중심으로 데이터에 기반한 통합을 이루어 기업 의사 결정 모델을 구현하는 방향으로 발전하게 된다. 이러한 변화는 기업의 소셜, 모발 솔루션과 통합되는 디지털 혁신을 리드하고 있다. 또한 기업은 다른 기술 경쟁력을 가진 기업의 기술, 플랫폼 솔루션과 Ecosystem 비즈니스 파트너로 융합하여 새로운 비즈니스 모델을 만들고 산업과 지역의 경계를 넘어 새로운 에코시스템 마켓플레이스를 만들고 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제60차 하계학술대회논문집 27권2호
• /
• pp.243-244
• /
• 2019

본 논문에서는지속 가능한 IoT Platform을 개발 하였다. 개발된 IoT(Internet of Things) Platform은 센서를 제어하는 특정 시스템과의 통신을 통한 제어 및 데이터 전달에 용이하고, 제한된 통신 환경 및 낮은 전력에서도 지속적인 작동이 가능하여 가용성(Availability)과 확장성(Extensibility)이 뛰어나다. 본 논문에서는 지속 가능한 IoT Platform의 테스트를 위해 클라우드 컴퓨팅 플랫폼인 AWS EC2(Amazon Elastic Compute Cloud, EC2)에 구축하였으며, DataBase 서버로는 오픈 소스 관계형 데이터베이스 관리 시스템인 MariaDB를 선정하였으며, 센서를 제어하는 특정 시스템인 스마트 미러 시스템(Smart Mirror System)과 미세먼지 제어 시스템(Air Quality Control System)에 기존의 Google IoT Platform에서 사용되는 MQTT Protocol(Message Queuing Telemetry Transport Protocol)와 지속 가능한 IoT Platform를 위해 개발된 TCP/IP Protocol를 사용하여 비교했다. 개발된 IoT Platform은 UTM(Unmanned Aircraft System Traffic Management)으로 확장할 계획이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.40-42
• /
• 2011

Smart hand-held devices like iPhone, iPad, Andriod and other mobile-OS machines are becoming a well known part of our daily lives. Utilization of these devices has gone beyond the expectations of their inventors. Evolution of Apple's iOS from a mobile phone Operating System to a wholesome platform for Portable Gaming is an adequate proof. Using these smart devices people are downloading applications from numerous online App Stores. Utilizing remote storage facilities and confining themselves to computing power far below than an entry level laptop, netbooks have emerged. Google's idea of Chrome OS coupled with Google's AppEngine is an eye-opener for researchers and developers. Keeping all these industry-proven innovations in mind we are proposing a Context-Driven Cloud-Oriented Application Architecture for smart devices. This architecture enables our smart devices to behave smarter by utilizing very less of local resources.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제51차 동계학술대회논문집 23권1호
• /
• pp.155-158
• /
• 2015

클라우드 컴퓨팅 기술의 발전과 맞물려서 이를 위한 많은 플랫폼들이 제안되고 있다. Amazon이나 Google 등의 세계적인 기업들을 이미 자신들 만의 플랫폼을 구축하여 안정적으로 서비스를 제공하고 있으며 오픈소스 커뮤니티들이 주도 하는 오픈 플랫폼들도 속속 등장하여 발전을 거듭하고 있다. 본 논문에서는 가장 대표적이고 널리 사용되는 오픈소스 기반의 클라우드 컴퓨팅 플랫폼들을 분석하고 그 기능들을 서로 비교해서 사용자가 자신의 요구사항에 가장 적합한 플랫폼을 선택할 수 있게 한다.

• 대한원격탐사학회지
• /
• 제38권6_3호
• /
• pp.1761-1775
• /
• 2022

예측하기 힘든 기후변화로 인해 물 관련 재해의 발생 빈도와 피해 규모도 지속적으로 증가하는 추세이다. 재난관리의 측면에서 광범위한 지역의 피해면적을 파악하고, 중·장기적 예측을 위한 모니터링이 필수적이다. 수재해 분야에서 광역적 모니터링을 위해 Synthetic Aperture Radar (SAR) 위성영상을 활용한 원격탐사 기술 연구가 활발히 진행되고 있다. 수재해 모니터링을 위한 시계열 분석에는 방대한 양의 영상수집과 잡음이 많은 레이더 산란 특성을 고려한 복잡한 전처리과정이 필요하며, 이를 위해 상당한 시간이 소요되는 한계가 있다. 최근 클라우드 컴퓨팅 기술의 발전과 함께 위성 빅데이터를 활용한 시·공간 분석이 가능한 많은 플랫폼들이 제안되고 있다. 구글어스엔진(Google Earth Engine, GEE)은 대표적인 플랫폼으로, 600여개의 위성 자료를 무료로 제공하고 있으며 위성영상의 분석준비데이터를 기반으로 준-실시간 시·공간 분석이 가능하다. 이에 본 연구에서는 구글어스엔진을 활용한 즉각적인 수재해 피해 탐지와 중·장기적 시계열 관측 연구를 수행하였다. 변화탐지에 주로 활용되는 Otsu 기법을 통해 '20년 발생한 집중호우를 중심으로 하천 범람으로 인한 하폭의 변화와 피해 면적을 확인하였다. 또한 재난관리 측면에서 모니터링의 중요성이 요구되는 만큼 상습침수지역으로 선정된 연구대상 지역을 중심으로 '18년부터 '22년까지의 시계열 수체의 변화 경향을 확인하였다. 구글어스엔진은 자바스크립트 기반 코딩을 통한 짧은 처리시간, 시공간 분석과 표출의 강점으로 수재해 분야 활용이 가능할 것으로 판단된다. 더불어 향후 다양한 위성 빅데이터와의 연계를 통해 활용 분야가 확대될 것으로 기대된다.

• International Journal of Computer Science & Network Security
• /
• 제21권9호
• /
• pp.179-184
• /
• 2021

In our study we performed a sentiments analysis from the images. For this purpose, we used 153 images that contain: people, animals, buildings, landscapes, cakes and objects that we divided into two categories: images that suggesting a positive or a negative emotion. In order to classify the images using the two categories, we created two models. The SAI-G model was created with Google's AutoML Vision service. The SAI-C model was created on the Clarifai platform. The data were labeled in a preprocessing stage, and for the SAI-C model we created the concepts POSITIVE (POZITIV) AND NEGATIVE (NEGATIV). In order to evaluate the performances of the two models, we used a series of evaluation metrics such as: Precision, Recall, ROC (Receiver Operating Characteristic) curve, Precision-Recall curve, Confusion Matrix, Accuracy Score and Average precision. Precision and Recall for the SAI-G model is 0.875, at a confidence threshold of 0.5, while for the SAI-C model we obtained much lower scores, respectively Precision = 0.727 and Recall = 0.571 for the same confidence threshold. The results indicate a lower classification performance of the SAI-C model compared to the SAI-G model. The exception is the value of Precision for the POSITIVE concept, which is 1,000.