• 한국전자통신학회논문지
• /
• 제5권5호
• /
• pp.444-448
• /
• 2010

RCR 네트워크 토폴로지[1]는 짧은 지름, 대칭성 등의 특징을 가지고 있어 병렬컴퓨팅 환경을 구성하기에 적합한 상호접속네트워크의 일종이다. Hu and Cao[2]에 의하여 이 토폴로지 분석에 대한 재검토가 이루어졌으며, 그래프 비연결성, 직경, bisection width 등에 대한 오류가 있음을 지적하였다. 이 논문에서는 RCR 네트워크 토폴로지 특성을 분석하고, [2]의 결과에도 여전히 남아있는 '연결그래프가 되기 위한 조건' 및 직경에 대한 오류를 정정한다. 그리고 RCR 네트워크에서 최단경로를 구하기 위한 알고리즘을 제안한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권5호
• /
• pp.1920-1937
• /
• 2015

Network environment has been under constant threat from both malicious attackers and inherent vulnerabilities of network infrastructure. Existence of such threats calls for exhaustive vulnerability analyzing to guarantee a secure system. However, due to the diversity of security hazards, analysts have to select from massive alternative hardening strategies, which is laborious and time-consuming. In this paper, we develop an approach to seek for possible hardening strategies and prioritize them to help security analysts to handle the optimal ones. In particular, we apply a Risk Flow Attack Graph (RFAG) to represent network situation and attack scenarios, and analyze them to measure network risk. We also employ a multi-objective genetic algorithm to infer the priority of hardening strategies automatically. Finally, we present some numerical results to show the performance of prioritizing strategies by network risk and hardening cost and illustrate the application of optimal hardening strategy set in typical cases. Our novel approach provides a promising new direction for network and vulnerability analysis to take proper precautions to reduce network risk.

• Nuclear Engineering and Technology
• /
• 제54권8호
• /
• pp.2859-2870
• /
• 2022

Because nuclear power plants (NPPs) are safety-critical infrastructure, it is essential to increase their safety and minimize risk. To reduce human error and support decision-making by operators, several artificial-intelligence-based diagnosis methods have been proposed. However, because of the nature of data-driven methods, conventional artificial intelligence requires large amount of measurement values to train and achieve enough diagnosis resolution. We propose a graph neural network (GNN) based accident diagnosis algorithm to achieve high diagnosis resolution with limited measurements. The proposed algorithm is trained with both the knowledge about physical correlation between components and measurement values. To validate the proposed methodology has a sufficiently high diagnostic resolution with limited measurement values, the diagnosis of multiple accidents was performed with limited measurement values and also, the performance was compared with convolution neural network (CNN). In case of the experiment that requires low diagnostic resolution, both CNN and GNN showed good results. However, for the tests that requires high diagnostic resolution, GNN greatly outperformed the CNN.

• 한국산업안전학회:학술대회논문집
• /
• 한국안전학회 1997년도 춘계 학술논문발표회
• /
• pp.111-116
• /
• 1997

공학적 신뢰도 문제에서 부품의 신뢰도나 가동도가 주어진 후 시스템의 신뢰도 평가를 위한 수치적 계산이 자주 요구된다. 이때 주어진 system은 graph나 fault tree등으로 신뢰도 특성을 표현하게 된다. 보통 network이나 교통망 등은 graph로 표현되며 부품과 graph의 선이 1 : 1로 대응되는 linear graph 이다. 이러한 그래프에 대한 신뢰도를 분석하는 방법 중에 여러 가지가 있으나 본 연구에서는 domination이론을 이용하여 신뢰도를 계산한다. (중략)

• 한국전자거래학회지
• /
• 제26권3호
• /
• pp.67-80
• /
• 2021

그래프 표현 학습을 위한 노드 임베딩 기법은 그래프 마이닝에서 양질의 결과를 얻는 데 중요한 역할을 한다. 지금까지 대표적인 노드 임베딩 기법은 동종 그래프를 대상으로 연구되었기에, 간선 별로 고유한 의미를 갖는 지식 그래프를 학습하는 데 어려움이 있었다. 이러한 문제를 해결하고자, 기존 Triple2Vec 기법은 지식 그래프의 노드 쌍과 간선을 하나의 노드로 갖는 트리플 그래프를 학습하여 임베딩 모델을 구축한다. 하지만 Triple2Vec 임베딩 모델은 트리플 노드 간 관련성을 단순한 척도로 산정하기 때문에 성능을 높이는데 한계를 가진다. 이에 본 논문은 Triple2Vec 임베딩 모델을 개선하기 위한 그래프 합성곱 신경망 기반의 특징 추출 기법을 제안한다. 제안 기법은 트리플 그래프의 인접성 벡터(Neighborliness Vector)를 추출하여 트리플 그래프에 대해 노드 별로 이웃한 노드 간 관계성을 학습한다. 본 논문은 DBLP, DBpedia, IMDB 데이터셋을 활용한 카테고리 분류 실험을 통해, 제안 기법을 적용한 임베딩 모델이 기존 Triple2Vec 모델보다 우수함을 입증한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권2호
• /
• pp.686-710
• /
• 2019

This work proposes a model to solve the problem of Network Coding over a one-session multicast network. The model is based on a system of restrictions that defines the packet flows received in the sink nodes as functions of the outgoing flows from the source node. A multicast network graph is used to derive a directed labeled line graph (DLLG). The successive powers of the DLLG adjacency matrix to the convergence in the null matrix permits the construction of the jump matrix Source-Sinks. In its reduced form, this shows the dependency of the incoming flows in the sink nodes as a function of the outgoing flows in the source node. The emerging packets for each outgoing link from the source node are marked with a tag that is a linear combination of variables that corresponds to powers of two. Restrictions are built based on the dependence of the outgoing and incoming flows and the packet tags as variables. The linear independence of the incoming flows to the sink nodes is mandatory. The method is novel because the solution is independent of the Galois field size where the packet contents are defined.

• 컴퓨터교육학회논문지
• /
• 제17권2호
• /
• pp.115-124
• /
• 2014

하이퍼큐브와 스타 그래프는 상호연결망으로 널리 알려져 있다. 상호연결망의 임베딩은 임의의 연결망 G를 다른 연결망 H에 사상하는 것이다. 상호연결망 G가 H에 적은 비용으로 임베딩 가능하다는 것은 연결망 G에서 개발된 알고리즘들을 연결망 H에서 효율적으로 이용할 수 있는 장점이 있다. 본 논문에서는 HCN과 HON 사이의 임베딩과 스타(star)그래프와 하프팬케익그래프 사이의 임베딩을 분석한다. 연구 결과로 HCN(n,n)은 HON($C_{n+1},C_{n+1}$)에 연장율 3에 임베딩 가능하고, HON($C_d,C_d$)를 HCN(2d-1,2d-1)에 임베딩 비용은 O(d)임을 보인다. 또한 스타그래프는 하프팬케익그래프에 연장율 11, 확장율 1에 임베딩 가능하고, 평균 연장율은 8이다. 본 연구 결과는 HCN 연결망과 스타그래프에서 이미 개발된 여러 가지 알고리즘을 HON 연결망과 하프팬케익그래프에서 효율적으로 이용할 수 있음을 의미한다.

• 정보처리학회논문지C
• /
• 제15C권2호
• /
• pp.93-102
• /
• 2008

네트워크사업자, 인터넷 사업자, 및 엔터프라이즈 네트워크의 트래픽 현황을 파악하기 위한 방법으로 Network Weather Map (NWM)과 대역폭 시간추이 그래프를 많이 사용한다. 이들은 라우터나 스위치장비 내에 동작하는 SNMP 에이전트가 제공하는 MIB정보를 주기적으로 수집하여 DB에 저장하고, 사용자가 언제 어디서나 볼 수 있도록 웹으로 결과를 보여주는 형태로 구축된다. 현재의 엔터프라이즈 네트워크는 multi-Gbps를 지원하는 이더넷 스위치 중심의 트리 토폴로지 형태로 구축되고 있다. 본 논문은 현재의 엔터프라이즈 네트워크에 적합한 SNMP 기반의 Network Weather Map 구축에 있어 고려되어야 할 사항을 점검하고, 이를 바탕으로 엔터프라이즈 Network Weather Map 시스템을 설계하고 구현한 내용을 기술한다. 특히 엔터프라이즈 네트워크와 Core 네트워크의 토폴로지 상의 차이를 고려하여 효율적인 Network Weather Map 디자인을 제시하고, multi-Gbps 고속 링크를 지원하는 현재의 라우터/스위치장비에 SNMP MIB-II 사용의 문제점을 확인하고 이의 해결방안을 제시한다. 또한 SNMP의 사용에 따른 트래픽 발생량, 그리고 네트워크 장비의 부하를 조사함으로써 SNMP의 효율적 사용방법을 제시한다. 본 논문에서는 학교 캠퍼스 네트워크를 대상으로 Network Weather Map 시스템을 구축하였다.

• Journal of applied mathematics & informatics
• /
• 제17권1_2_3호
• /
• pp.391-399
• /
• 2005

In this paper we present an algorithm based on network flow techniques which provides a solution for a combinatorial problem. Then, in order to provide all the solutions of this problem, we make use of an algorithm that given the bipartite graph $G=(V_1 {\cup}{V_2},\;E,\;{\omega})$ outputs the enumeration of all bipartite matchings of given cardinality v and cost c.

• Communications for Statistical Applications and Methods
• /
• 제30권6호
• /
• pp.561-575
• /
• 2023

Brain network analysis has attracted the interest of neuroscience researchers in studying brain diseases. Magnetoencephalography (MEG) is especially proper for analyzing functional connectivity due to high temporal and spatial resolution. The application of graph theory for functional connectivity analysis has been studied widely, but research on network modeling for MEG still needs more. Temporal exponential random graph model (TERGM) considers temporal dependencies of networks. We performed the brain network analysis, including static/temporal network statistics, on two groups of epilepsy patients who removed the left (LT) or right (RT) part of the brain and healthy controls. We investigate network differences using Multiset canonical correlation analysis (MCCA) and TERGM between epilepsy patients and healthy controls (HC). The brain network of healthy controls had fewer temporal changes than patient groups. As a result of TERGM, on the simulation networks, LT and RT had less stable state than HC in the network connectivity structure. HC had a stable state of the brain network.