• 정보처리학회논문지C
• /
• 제17C권2호
• /
• pp.205-214
• /
• 2010

인터넷의 대중화로 인해 네트워크 트래픽은 나날이 증가되고 있다. 따라서 네트워크 자원의 효과적인 사용을 위한 응용 트래픽 분석의 중요성은 나날이 강조되고 있다. 본 논문에서는 고정 IP-port기반의 응용 트래픽 분석 방법론을 제안한다. 고정 IP-port는 오직 한 응용에서 고정적으로 사용하는 {IP address, port number, transport protocol}의 쌍으로써 각각의 응용을 분석해서 자동적으로 수집할 수 있다. 본 논문에서는 고정 IP-port를 사용하여 기존 연구에서 제안된 방법들 보다 매우 가볍고, 빠르며 정확한 실시간 트래픽 분석 시스템을 설계하였다. 또한, 기존의 연구에서 제안된 통일성 없는 검증 방법을 보완하여 객관적 검증 시스템을 설계하고 분석결과를 정확하게 검증하였다. 본 논문은 고정 IP-port를 추출하는 매우 효과적인 방법과 시스템 구조, 그리고 분석 결과의 객관적 검증 시스템을 제안한다. 그리고 실험과 검증 시스템을 통하여 고정 IP-port 기반 응용 레벨 인터넷 트래픽 분석 방법론의 타당성을 증명한다.

• 한국산업융합학회 논문집
• /
• 제27권4_2호
• /
• pp.1001-1007
• /
• 2024

Recent deep learning algorithms for object detection in real-time play a crucial role in various applications such as autonomous driving, traffic monitoring, health care, and water quality monitoring. The size of small objects, in particular, significantly impacts the accuracy of detection models. However, data containing small objects can lead to underfitting issues in models. Therefore, this study developed a deep learning model capable of quickly detecting small objects to provide more accurate predictions. The RE-SOD (Residual block based Small Object Detector) developed in this research enhances the detection performance for small objects by using RGB separation preprocessing and residual blocks. The model achieved an accuracy of 1.0 in image classification and an mAP50-95 score of 0.944 in object detection. The performance of this model was validated by comparing it with real-time detection models such as YOLOv5, YOLOv7, and YOLOv8.

• 전기학회논문지
• /
• 제66권9호
• /
• pp.1402-1408
• /
• 2017

Recently, services for personal biometric data analysis based on real-time monitoring systems has been increasing and many of them have focused on recognition of emotions. In this paper, we propose a classification model to classify anxiety emotion using biometric data actually collected from people. We propose to deploy the support vector machine to build a classification model. In order to improve the classification accuracy, we propose two data pre-processing procedures, which are normalization and data deletion. The proposed algorithms are actually implemented based on Real-time Traffic Flow Measurement structure, which consists of data collection module, data preprocessing module, and creating classification model module. Our experiment results show that the proposed classification model can infers anxiety emotions of people with the accuracy of 65.18%. Moreover, the proposed model with the proposed pre-processing techniques shows the improved accuracy, which is 78.77%. Therefore, we can conclude that the proposed classification model based on the pre-processing process can improve the classification accuracy with lower computation complexity.

• 한국통신학회논문지
• /
• 제42권3호
• /
• pp.612-622
• /
• 2017

오래 지속되는 플로우인 엘리펀트 플로우는 데이터 센터에서 많은 대역폭을 소비해서, 지연에 민감하고 짧은 시간 흐르는 플로우인 마이스 플로우의 흐름을 방해하게 된다. 이는 마이스 플로우에 대해 적지않은 지연을 발생시켜서, 결과적으로 그 네트워크에서 동작하고 있는 응용의 성능을 저하시키게 된다. 그러므로 데이터 센터 네트워크는 이를 분류하고 시각화 해내어 실시간으로 QoS 프로비져닝을 제공할 수 있어야 한다. 본 논문에서는 다음에 대해 논한다. (1) SDN에서 sflow를 이용한 엘리펀트 플로우의 실시간 검출 및 시각화를 위한 프레임워크 제시. 이는 시각화된 토폴로지에서 스위치를 더블클릭 하므로써 스위치를 통과하는 엘리펀트 플로우를 점검할 수 있게 한다. (2) SDN 제어기에 의해서 정의되고 관리되는 QoS를 보장하는 접근 및 OpenFlow에 의해 제공되는 규격. 본 논문에서는 SDN 네트워크내에서 rate-limiting (traffic-shaping) 분류 기법을 사용하는 것을 주로 논의한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권10호
• /
• pp.3771-3792
• /
• 2021

With the rapid development of science and technology, several high-performance networks have emerged with various new applications. Consequently, financially or socially motivated attacks on specific networks have also steadily become more complicated and sophisticated. To reduce the damage caused by such attacks, administration of network traffic flow in real-time and precise analysis of past attack traffic have become imperative. Although various traffic analysis methods have been studied recently, they continue to suffer from performance limitations and are generally too complicated to apply in existing systems. To address this problem, we propose a method to calculate the correlation between the malicious and normal flows and classify attack traffics based on the corresponding correlation values. In order to evaluate the performance of the proposed method, we conducted several experiments using examples of real malicious traffic and normal traffic. The evaluation was performed with respect to three metrics: recall, precision, and f-measure. The experimental results verified high performance of the proposed method with respect to first two metrics.

• 한국통신학회논문지
• /
• 제37권5B호
• /
• pp.348-356
• /
• 2012

오늘날 네트워크 환경은 응용 프로그램 및 서비스의 변화가 많아 응용탐지에 있어 기존의 단일 분석 알고리즘으로는 모든 트래픽의 응용을 정확하게 탐지하기 어렵다. 최근 이러한 단점을 보완하기 위해 여러 개별 알고리즘을 통합한 멀티 레벨의 트래픽 탐지 알고리즘에 대한 연구가 진행되고 있다. 이러한 멀티 레벨 탐지 알고리즘은 단일 알고리즘 구조에 비해 계산 복잡도가 높은 단점이 있다. 또한, 고속 네트워크에서 실시간으로 트래픽을 분류하기 위해서는 멀티코어 CPU의 장점인 병렬처리를 이용하여 높은 계산 복잡도를 해결해야 할 필요가 있다. 본 논문에서는 요즘 일반화된 멀티 코어 CPU환경에 적합한 실시간 응용 트래픽 탐지 시스템 구조를 제안한다. 먼저 멀티 레벨 트래픽 탐지 알고리즘이 멀티 코어 환경에서 실시간으로 동작하기 위한 고려 사항들을 살펴보고, 이를 통해 시스템을 설계하고 구현한 내용을 기술한다. 본 논문에서 구축한 시스템은 캠퍼스 네트워크와 기숙사 네트워크를 대상으로 구축하여 그 실효성을 검증하였다.

• 대한교통학회지
• /
• 제26권2호
• /
• pp.157-166
• /
• 2008

본 연구에서는 실시간으로 수집되는 고속도로의 검지기 자료를 이용하여 교통사고 발생 가능성을 확률적 관측값으로 나타낼 수 있는 모형을 개발하였다. 사고발생 지점을 기준으로 상류부 및 하류부에서 수집된 사고발생 이전의 교통자료를 모형의 독립변수로 설정하였다. 이항 로지스틱 회귀분석 기법을 적용하여 교통사고 발생을 유발할 잠재력이 높은 교통상황을 교통사고와는 무관한 교통상황으로부터 추출하는 분류문제(classification problem)로 설정하고 모형을 개발하였다. 최근 3년간 서해안 고속도로에서 발생한 사고자료와 검지기 자료를 맵핑하였으며, 유효한 검지기 자료를 모형에 적용하기 위하여 이상치 제거 및 결측치 보정을 위한 자료처리 과정을 별도로 수행하였다. 본 연구에서 개발한 모형에서 산출되는 계량화된 교통사고 발생가능성은 고속도로상에서 실시간 경고정보 제공 및 다양한 교통운영관리 전략의 교통안전 측면에서의 효과를 평가하는데 유용하게 적용될 수 있을 것으로 기대된다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2956-2958
• /
• 2000

This paper describes the design of a real time traffic data acquisition system using loop detector and piezzo sensor. Loop detector is the cheapest method to measure the speed and piezzo is used to detect the vehicle axle information. A ISA slot based I/O board is designed for data acquisition and PC process the raw traffic data and transfer the data to the host system. Simulation kit is designed with toy car kits. simulated loop detector and piezzo sensor. The data acquisition system collects up to 10 lane highway traffic data such as vehicle count. speed. length axle count. distance between the axles. The data is processed to generate traffic count, vehicle classification, which are to be used for ITS. The system architecture and simulation data is included and the system will be tested for field operation.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권11호
• /
• pp.991-1000
• /
• 2007

본 논문에서는 단일 프레임의 교통 영상에서 차량을 검출하는 새로운 기법을 제안한다. 제안하는 기법은 동작 환경에 관계없이 여러 형태로 분류된 그림자를 추출한다. 차량의 색상과 조명 조건에 관계없이 차량이 도로와 접한 부분에는 어두운 그림자 형상을 가진다는 사실을 이용하여 그림자 분류를 수행한다. 추출된 그림자는 차량의 존재 유무를 판단할 강력한 능력을 가지고 있으며, 배경 영상과 다른 시간적 정보들을 이용하지 않으므로, 기상 및 교통 정체가 빠르게 변화하는 상황에서도 높은 검출 성능을 보장한다. 차량 위치에 존재하는 자은 정보와 그림자 영역과의 간단한 증거 추론 기법에 의해 차량을 검출할 수 있다. 6개의 다른 동작 환경의 실험에서 4% 이하의 오검출율을 보이고, 0.9%에서 7.2%의 미검출율을 보였다. 또한, 작은 크기의 영상에 대해 초당 70 프레임 이상의 처리가 가능하므로, 다양한 교통 정보를 실시간으로 측정하는 기법에 사용될 수 있다.

• 한국산학기술학회논문지
• /
• 제7권6호
• /
• pp.1160-1166
• /
• 2006

혼잡한 현대의 교통 상황에서 교통질서를 유지하기 위해 차량에 대한 정보를 아는 것은 매우 중요한 일이다. 본 논문은 차량의 정보를 아는데 있어서 가장 중요한 차량 번호판을 인식하는 새로운 기법을 소개한다. 제안하는 기법은 물체를 분류하는데 있어서 다른 방법보다 우수하다고 알려진 SVM을 이용한다. 번호판 영역을 찾는데는 이중분류 SVM을 이용하고 번호판 문자 인식에서는 다중 분류 SVM을 이용한다. 여러 단계의 영상처리 과정과 인식 과정을 거쳐서 실시간에 처리할 수 있는 시스템으로 여러 종류의 차량 번호판에 대한 인식도 가능하게 한다. 제안한 기법을 이용한 실제적 환경에서의 영상과 인식에 대한 실험결과를 통하여 성능을 입증하였다.