• 한국전자거래학회지
• /
• 제20권4호
• /
• pp.41-59
• /
• 2015

시스템이 다양화 되면서 동시에 저장된 로그도 다양하게 분석할 필요가 생겼다. 이러한 로그 데이터 분석에 관한 필요성이 강해지는 환경이 시간 순으로 발생하는 이벤트 단위의 로그로부터 프로세스 모델을 도출하고, 시스템을 개선시키는 활동에 이바지하도록 요구하고 있다. 기존에는 개별 이벤트 단위의 로그를 분석하면서 속성들의 관계를 파악하는 연구가 활발했다. 본 논문에서는 로그 데이터를 활용한 예외적인 형태의 프로세스 인스턴스를 판별하는 방법으로 LAPID(Local Anomaly Process Instance Detection)를 제안한다. LAPID는 액티비티-릴레이션 매트릭스(Activity relation matrix)를 사용해서 계산된 거리 값을 활용하여, API(Anomaly Process Instance)를 탐색한다. 제시한 방법의 유용성을 검증하기 위하여 항만 물류에서 발생하는 컨테이너 이동에 대한 트레이스(Trace)를 포함하는 로그 데이터에서 예외적인 상황의 프로세스 실행이 가지는 특징을 도출하였다. 이를 위하여 본 논문에서는 국내의 실제 항만에서 발생한 이벤트 로그를 이용하여 사례연구를 수행하였다.

• Journal of Information Processing Systems
• /
• 제15권6호
• /
• pp.1392-1405
• /
• 2019

The cathode voltage of aluminum electrolytic cell is relatively stable under normal conditions and fluctuates greatly when it has an anomaly. In order to detect the abnormal range of cathode voltage, an anomaly detection algorithm based on sliding window was proposed. The algorithm combines the time series segmentation linear representation method and the k-nearest neighbor local anomaly detection algorithm, which is more efficient than the direct detection of the original sequence. The algorithm first segments the cathode voltage time series, then calculates the length, the slope, and the mean of each line segment pattern, and maps them into a set of spatial objects. And then the local anomaly detection algorithm is used to detect abnormal patterns according to the local anomaly factor and the pattern length. The experimental results showed that the algorithm can effectively detect the abnormal range of cathode voltage.

• 지능정보연구
• /
• 제29권3호
• /
• pp.229-247
• /
• 2023

여러 분야에서 이상탐지의 중요성이 강조됨에 따라, 다양한 데이터 유형과 이상치 유형에 대한 이상탐지 알고리즘이 개발되고 있다. 하지만 이상탐지 알고리즘의 성능은 주로 공개 데이터 세트에 대해 측정될 뿐 특정 유형의 이상치에서 나타나는 각 알고리즘의 성능은 확인되지 않고 있으므로, 분석 상황에 맞는 적절한 이상탐지 알고리즘 선택에 어려움이 있다. 이에 본 논문에서는 이상치의 유형과 다양한 데이터 속성을 먼저 파악하여, 이를 기반으로 적절한 이상탐지 알고리즘 선택에 도움을 줄 수 있는 방안을 제시하고자 한다. 구체적으로 본 연구에서는 지역, 전역, 종속성, 그리고 군집화의 총 4가지 이상치 유형에 대해 이상탐지 알고리즘의 성능을 비교하고, 추가 분석을 통해 라벨 수준, 데이터 개수, 그리고 차원 수가 성능에 미치는 영향을 확인한다. 실험 결과 이상치 유형에 따라 가장 우수한 성능을 나타내는 알고리즘이 다르게 나타나며, 이상치 유형에 대한 정보가 없는 경우에도 안정적인 성능을 보여주는 알고리즘을 확인했다. 또한 비지도 학습 기반 이상탐지 알고리즘의 성능이 지도 학습 및 준지도 학습 알고리즘의 성능보다 낮게 나타나는 유형을 확인하였다. 마지막으로 데이터 개수가 상대적으로 적거나 많을 때 대부분 알고리즘들의 성능이 이상치 유형에 더 강하게 영향을 받으며, 상대적으로 고차원일 경우 지역, 전역 이상치에서는 우수한 성능을 보였지만 군집화 이상치 유형에서 낮은 성능을 나타냄을 확인하였다.

• 한국항공우주학회지
• /
• 제45권7호
• /
• pp.550-557
• /
• 2017

GNSS 측위 정확도에 영향을 주는 전리층 오차는 전리층에 존재하는 전자로 인해 위성의 전파가 굴절됨에 따라 발생하는데 태양활동 정도, 지역, 시간에 따라 그 값이 변한다. 정밀한 전리층 오차 추정이 가능한 이중주파수 수신기와 달리 단일 주파수 수신기의 경우에는 전리층 오차 모델이나 인근 고정기준국을 통해 제공 받는 의사거리 보정정보에 의존해야 한다. 하지만 일반적인 전리층 오차 경향과 달리, 국지적으로 전리층 총 전자수의 급격한 변화가 발생하는 경우 전리층 오차모델을 통한 오차 보정이 어려우며 만약 전리층의 변화가 고정기준국 상공의 전리층과 상이하다면, 의사거리 보정정보를 이용하여도 전리층 오차를 보정하지 못한다. 본 논문에서는, 이런 위험에 대처하기 위한 국지적 전리층 이상 현상에 대한 감시 기법에 대해 제안하고 실제 전리층 이상 현상이 발생한 데이터를 이용해 이를 검증하였다. 제시된 기법을 통해 전리층 이상 현상 발생 여부를 파악하고 단일 주파수 수신기 사용자의 항법해에 대한 신뢰도를 증가시킬 수 있을 것이다.

• 대한원격탐사학회지
• /
• 제28권4호
• /
• pp.357-367
• /
• 2012

이 논문에서는 초분광 영상으로부터 이상값을 탐지하기 위해 자료 변환 기반 특징 추출과 선정 및 국소적 자기상관지수를 이용하는 2단계 방법론을 제안한다. 초분광 영상이 제공하는 중복된 분광 정보들의 축약을 위해 우선적으로 주성분 변환과 3차원 웨이브렛 변환을 적용하였다. 그리고 축약된 자료 변환 기반 특징을 대상으로 왜도와 국소적 왜도 비율을 함께 고려하여 이상값 탐지를 위한 유효 특징을 선정하였다. 최종적으로 기존 분광 정보만을 이용하는 이상값 탐지 방법론들에 공간 자기상관성을 함께 고려할 수 있도록 국소적 자기상관지수(LISA)를 이상값 탐지 방법론으로 적용하였다. 제안 방법론의 적용성 평가를 위해 항공 CASI 자료를 대상으로 한 실험을 수행하였다. 실험 결과, 기존 분광 정보만을 고려하는 RX detector나 고유값 기반 주요 주성분만을 이용하는 경우에 비해 유효 특징 선정과 연계된 LISA 통계값이 높은 탐지 능력을 나타내었다. 또한 3차원 웨이브렛 변환 기반 저주파와 고주파 특징들을 결합한 경우가 유효 주성분을 사용하는 경우에 비해 가장 높은 탐지 성능을 나타냈다.

• ETRI Journal
• /
• 제46권3호
• /
• pp.513-525
• /
• 2024

Deep neural networks trained on labeled medical data face major challenges owing to the economic costs of data acquisition through expensive medical imaging devices, expert labor for data annotation, and large datasets to achieve optimal model performance. The heterogeneity of diseases, such as Alzheimer's disease, further complicates deep learning because the test cases may substantially differ from the training data, possibly increasing the rate of false positives. We propose a reconstruction-based self-supervised anomaly detection model to overcome these challenges. It has a dual-subnetwork encoder that enhances feature encoding augmented by skip connections to the decoder for improving the gradient flow. The novel encoder captures local and global features to improve image reconstruction. In addition, we introduce an entropy-based image conversion method. Extensive evaluations show that the proposed model outperforms benchmark models in anomaly detection and classification using an encoder. The supervised and unsupervised models show improved performances when trained with data preprocessed using the proposed image conversion method.

• 대한두경부종양학회지
• /
• 제33권1호
• /
• pp.31-34
• /
• 2017

First branchial cleft anomaly is a very rare disease and exhibits various clinical presentations. Therefore, the diagnosis of first branchial cleft anomaly may be difficult; the condition is often misdiagnosed and mismanaged. Accurate diagnosis is very important, because if not diagnosed correctly, patients with first branchial cleft anomaly would be treated with local incision and drainage repeatedly. We report two cases of first branchial cleft anomaly. The first patient visited for recurrent swell and discharge in the infra-auricular area with a history of previous incision and drainage. The other patient showed a cystic mass in the infra-auricular area and all of them were misdiagnosed initially by their treating specialists elsewhere. The objective of this study is to share our experiences of first branchial cleft anomaly, and emphasize its various clinical patterns and the significance of accurate diagnosis.

• 천문학회지
• /
• 제46권2호
• /
• pp.75-91
• /
• 2013

We estimate the power spectra of the cosmic microwave background radiation (CMB) temperature anisotropy in localized regions of the sky using the Wilkinson Microwave Anisotropy Probe (WMAP) 7-year data. We find that the north and south hat regions at high Galactic latitude ($|b|{\geq}30^{\circ}C$) show an anomaly in the power spectrum amplitude around the third peak, which is statistically significant up to 3. We try to explain the cause of the observed anomaly by analyzing the low Galactic latitude ($|b|$ < $30^{\circ}C$) regions where the galaxy contamination is expected to be stronger, and the regions weakly or strongly dominated byWMAP instrument noise. We also consider the possible effect of unresolved radio point sources. We find another but less statistically significant anomaly in the low Galactic latitude north and south regions whose behavior is opposite to the one at high latitude. Our analysis shows that the observed north-south anomaly at high latitude becomes weaker on regions with high number of observations (weak instrument noise), suggesting that the anomaly is significant at sky regions that are dominated by the WMAP instrument noise. We have checked that the observed north-south anomaly has weak dependences on the bin-width used in the power spectrum estimation, and on the Galactic latitude cut. We also discuss the possibility that the detected anomaly may hinge on the particular choice of the multipole bin around the third peak. We anticipate that the issue of whether or not the anomaly is intrinsic one or due to WMAP instrument noise will be resolved by the forthcoming Planck data.

• Current Optics and Photonics
• /
• 제4권3호
• /
• pp.210-220
• /
• 2020

Aiming at the problem that the Local Sparse Difference Index algorithm has low accuracy and low efficiency when detecting target anomalies in a hyperspectral image, this paper proposes a Weighted Collaborative Representation and Sparse Difference-Based Hyperspectral Anomaly Detection algorithm, to improve detection accuracy for a hyperspectral image. First, the band subspace is divided according to the band correlation coefficient, which avoids the situation in which there are multiple solutions of the sparse coefficient vector caused by too many bands. Then, the appropriate double-window model is selected, and the background dictionary constructed and weighted according to Euclidean distance, which reduces the influence of mixing anomalous components of the background on the solution of the sparse coefficient vector. Finally, the sparse coefficient vector is solved by the collaborative representation method, and the sparse difference index is calculated to complete the anomaly detection. To prove the effectiveness, the proposed algorithm is compared with the RX, LRX, and LSD algorithms in simulating and analyzing two AVIRIS hyperspectral images. The results show that the proposed algorithm has higher accuracy and a lower false-alarm rate, and yields better results.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권2호
• /
• pp.494-510
• /
• 2024

Internet users are exposed to sophisticated cyberattacks that intrusion detection systems have difficulty detecting. Therefore, research is increasing on intrusion detection methods that use artificial intelligence technology for detecting novel cyberattacks. Unsupervised learning-based methods are being researched that learn only from normal data and detect abnormal behaviors by finding patterns. This study developed an anomaly-detection method based on unsupervised machines and deep learning for a network intrusion detection system (NIDS). We present a hybrid anomaly detection approach based on unsupervised learning techniques using the autoencoder (AE), Isolation Forest (IF), and Local Outlier Factor (LOF) algorithms. An oversampling approach that increased the detection rate was also examined. A hybrid approach that combined deep learning algorithms and traditional machine learning algorithms was highly effective in setting the thresholds for anomalies without subjective human judgment. It achieved precision and recall rates respectively of 88.2% and 92.8% when combining two AEs, IF, and LOF while using an oversampling approach to learn more unknown normal data improved the detection accuracy. This approach achieved precision and recall rates respectively of 88.2% and 94.6%, further improving the detection accuracy compared with the hybrid method. Therefore, in NIDS the proposed approach provides high reliability for detecting cyberattacks.