• 융합보안논문지
• /
• 제18권5_2호
• /
• pp.43-51
• /
• 2018

본 연구의 목적은 부사관과 교육이 셀프리더십 향상에 영향을 미치는지를 분석하고 그러한 영향이 문제해결력에 긍정적인 효과가 나타나는지 규명하는 데 있다. 연구대상자는 부사관과 317명, 일반과 263명의 부산경남소재 대학생이 참여하였다. 연구 결과를 살펴보면 다음과 같다. 첫째, 전공별 셀프리더십의 차이는 부사관과 학생이 일반과 학생보다 높은 유의수준으로 나타났다((t=5.60, p=.000). 둘째, 전공별 문제해결력 차이에서도 부사관과 학생이 유의하게 높게 분석되었다(t=6.54, p=.000). 셋째, 셀프리더십과 문제해결력의 상관관계를 분석한 결과 유의한 정적인 상관(r=.631, p=.000)을 가지는 것으로 밝혀졌다. 연구결과 학 군렵약에 의한 부사관과 교육대상자에게 효율적으로 학습할 수 있는 기초자료로 활용될 것으로 기대하며, 이러한 교육이 부사관 전문인력의 수급에 기여할 것으로 예상된다.

• 융합보안논문지
• /
• 제18권2호
• /
• pp.149-158
• /
• 2018

우리나라의 군 간부들은 현역복무 후 계급정년으로 인해 본인의 의사와 관계없이 조기에 이직할 수밖에 없는 실정으로 최근 중 장기 복무자의 5년간 평균 취업률이 55%수준에 머무르고 있는 현실에 비추어 그 대책이 절실한 상태이다. 지난 박근혜 정부에서 제대군인 일자리 5만개 창출을 국정과제로 선정하여 추진하였으나 그 성과는 크지 않았다. 따라서 이제는 제대군인들의 대규모 일자리 창출을 위해 정부차원의 노력과 학문적 차원의 취업기회 확대 등 기존의 방식을 과감하게 탈피하여야 하며 제대군인들 스스로가 자립하여 조직을 만드는 방안 등을 적극적으로 검토할 필요성이 대두된 것이다. 그러한 이유로 본 연구에서는 제대군인들의 일자리 창출을 위해 제대군인들 스스로 사회적 협동조합을 설립하여 현역부대에서 이루어지고 있는 부대개방행사, 병영체험 등 비전투업무 부담을 경감시켜 주고 먹거리 사업, 경호 경비인력 양성 및 인력제공 사업, 특기병 양성학원 운영 사업, 한강 수중청소 사업, 돌봄 사업, 택배 사업 등을 통해 일자리를 창출하는 방안을 제시한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권3호
• /
• pp.67-73
• /
• 2023

COVID-19의 영향으로 약 2년 1개월에 걸친 사회적 거리두기의 조치로 ICT 요소기술을 활용한 비대면 서비스들이 교육 분야뿐만 아니라 전분야로 확대되고 있다. 특히 메타버스(Metaverse) 플랫폼을 활용한 교육 프로그램들이 여러 분야로 확산되면서 교육자와 학습자가 에듀테크(Edutech)를 활용한 학습 경험이 많아지고 있지만 교육에 대한 몰입도나 집중력 저하 등 비대면 학습을 통한 문제점을 제기하고 있다. 본 논문에서는 비대면 학습을 통해 제기되고 있는 문제점을 극복하고 메타버스 기반 실감미디어 디지털 콘텐츠를 개발하여 교육 환경을 개선하고자 몰입형 메타버스 기반으로 VR(Virtual Reality)을 활용하여 군에서 필요로 하는 교육/훈련 콘텐츠와 교육환경을 구축하였다. 본 논문에서는 실제로 군 교육/ 훈련에 투입되는 학습자에게 HMD(Head Mounted Display)를 활용하여 가상환경에서 몰입도와 집중도를 높일 수 있도록 교육콘텐츠에 대한 시스템을 제시했으며, 교육훈련에 필요한 장비들을 실사화하여 몰입도를 더욱 향상시켰다.

• 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.

• 융합보안논문지
• /
• 제23권5호
• /
• pp.57-64
• /
• 2023

딥뉴럴네트워크 모델의 취약점으로 모델 탈취 방법이 있다. 이 방법은 대상 모델에 대하여 여러번의 반복된 쿼리를 통해서 유사 모델을 생성하여 대상 모델의 예측값과 동일하게 내는 유사 모델을 생성하는 것이다. 본 연구에서, 학습 데이터가 없이 대상 모델을 탈취하는 방법에 대해서 분석을 하였다. 생성 모델을 이용하여 입력 데이터를 생성하고 대상 모델과 유사 모델의 예측값이 서로 가까워지도록 손실함수를 정의하여 유사 모델을 생성한다. 이 방법에서 대상 모델의 입력 데이터에 대한 각 클래스의 logit(로직) 값을 이용하여 경사하강법으로 유사 모델이 그것과 유사하도록 학습하는 과정을 갖는다. 실험 환경으로 pytorch 머신러닝 라이브러리를 이용하였으며, 데이터셋으로 CIFAR10과 SVHN을 사용하였다. 대상 모델로 ResNet 모델을 이용하였다. 실험 결과로써, 모델 탈취 방법은 CIFAR10에 대해서 86.18%이고 SVHN에 대해서 96.02% 정확도로 대상 모델과 유사한 예측값을 내는 유사 모델을 생성하는 것을 볼 수가 있었다. 추가적으로 모델 탈취 방법에 대한 고려사항와 한계점에 대한 고찰도 분석하였다.

• Asian-Australasian Journal of Animal Sciences
• /
• 제27권2호
• /
• pp.225-236
• /
• 2014

Three trials were conducted to evaluate the effect of supplementation of a basal diet with benzoic acid or thymol or a mixture of essential oil blends (MEO) or a combination of benzoic acid with MEO (BMEO) on growth performance of turkey poults. Control groups were fed a basal diet. In trial 1, benzoic acid was supplied at levels of 300 and 1,000 mg/kg. In trial 2, thymol or the MEO were supplied at levels of 30 mg/kg. In trial 3, the combination of benzoic acid with MEO was evaluated. Benzoic acid, MEO and BMEO improved performance, increased lactic acid bacteria populations and decreased coliform bacteria in the caeca. Thymol, MEO and BMEO improved antioxidant status of turkeys. Benzoic acid and BMEO reduced the buffering capacity compared to control feed and the pH values of the caecal content. Benzoic acid and EOs may be suggested as an effective alternative to AGP in turkeys.

• 한국인터넷방송통신학회논문지
• /
• 제14권4호
• /
• pp.85-90
• /
• 2014

ZigBee를 이용한 개인영역망으로 구성된 무선 다중 통합 레이저 교전 시스템을 구현하였다. 무선 레이저 검출기는 아날로그 신호처리, 해독 및 무선통신 기능을 갖추어야하는 반면 병사의 신체에 부착될 수 있도록 저전력소모, 소형 및 경량화 되어야한다. 소형 및 경량화를 위해 해독기는 소프트웨어적으로 구현하였고, 협대역 광학 필터를 이용하여 시스템의 부하를 줄여줌으로써 저전력화를 꽤하였다. 제작된 무선 레이저 검출기는 광잡음 환경에서도 정상 작동하였다. 무선 개인영역망을 통한 PU(Player Unit)와의 통신은 무선 레이저 검출기의 부착 위치에 따라 다소 차이가 있었으나 -40.2dBm이상의 출력으로 송신할 경우 100%의 수신율을 확보할 수 있었다.

• 융합보안논문지
• /
• 제14권6_1호
• /
• pp.113-120
• /
• 2014

부사관으로서 요구되는 여러 가지 중 가장 중요하며 기본이 되는 것이 체력이라고 판단하여, 최근 부사관 선발시험 결과를 바탕으로 연구를 진행하고자 한다. 부사관 선발과정은 1차 필기, 2차 체력 및 면접을 통해 최종합격자를 발표하는 과정으로 이루어진다. 최근 지원자들의 두드러진 변화는 체력검정부분에 대한 준비가 많이 부족하며 기초체력 자체가 많이 부족한 학생들이 증가하는 추세이다. 초급간부의 기본이라고 할 수 있는 기초체력 그 중에서 오래달리기에 준비가 많이 필요해 보인 다. 따라서 부사관 준비생들의 기초자료분석 및 효과적인 수업적용을 통해 우리 군이 요구하는 정신적, 신체적 소양을 갖춘 우수한 인재 양성 모형을 제시하고자 한다.

• 한국신뢰성학회지:신뢰성응용연구
• /
• 제15권4호
• /
• pp.282-288
• /
• 2015

Purpose : The purpose of this study is to compare the RAM (reliability, availability and maintainability) value in the acquisition phase with operational period for air weapon systems. The objective is to determine if the value of RAM is sufficient in the field, and look for any difference from the target value to some extent. Methods : For a case study, the ${\bigcirc}{\bigcirc}$ training aircraft is selected. Data from the two acquisition sources are utilized. One is the operational data in domestic aircraft through research and development, and the other is the data from imported aircraft. The two different sources were collected independently and distinctly. Results : According to the analysis, the domestic aircraft shows high deviation in RAM value compare to the imported systems. This is due to the effort of continuous reliability improvement. In the aspect of maintainability, the result shows a slight deviation, and the availability meets the requirement. Conclusion : The results of this study can be used in finding a way that can be effectively applied to the sustainability in the weapon system. If the RAM performance is significantly lower than the target value, then it is necessary to improve the design activities so that they can achieve the RAM target value.

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2007년도 International Conference
• /
• pp.608-613
• /
• 2007

Prediction of corporate bankruptcies has long been an important topic and has been studied extensively in the finance and management literature because it is an essential basis for the risk management of financial institutions. Recently, support vector machines (SVMs) are becoming popular as a tool for bankruptcy prediction because they use a risk function consisting of the empirical error and a regularized term which is derived from the structural risk minimization principle. In addition, they don't require huge training samples and have little possibility of overfitting. However. in order to Use SVM, a user should determine several factors such as the parameters ofa kernel function, appropriate feature subset, and proper instance subset by heuristics, which hinders accurate prediction results when using SVM In this study, we propose a novel hybrid SVM classifier with simultaneous optimization of feature subsets, instance subsets, and kernel parameters. This study introduces genetic algorithms (GAs) to optimize the feature selection, instance selection, and kernel parameters simultaneously. Our study applies the proposed model to the real-world case for bankruptcy prediction. Experimental results show that the prediction accuracy of conventional SVM may be improved significantly by using our model.