• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권8호
• /
• pp.2292-2313
• /
• 2023

With improving computing performance, various digital platforms are being developed to enable easily utilization of high-performance computing environments. EDISON 1.0 is an online simulation platform widely used in computational science and engineering education. As the research paradigm changes, the demand for developing the EDISON 1.0 platform centered on simulation into the EDISON 2.0 platform centered on data and artificial intelligence is growing. Herein, a data framework, a core module for data-centric research on EDISON 2.0 digital platform, is proposed. The proposed data framework provides the following three functions. First, it provides a data repository suitable for the data lifecycle to increase research reproducibility. Second, it provides a new data model that can integrate, manage, search, and utilize heterogeneous data to support a data-driven interdisciplinary convergence research environment. Finally, it provides an exploratory data analysis (EDA) service and data enrichment using an AI model, both developed to strengthen data reliability and maximize the efficiency and effectiveness of research endeavors. Using the EDISON 2.0 data framework, researchers can conduct interdisciplinary convergence research using heterogeneous data and easily perform data pre-processing through the web-based UI. Further, it presents the opportunity to leverage the derived data obtained through AI technology to gain insights and create new research topics.

• 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.

• International Journal of Concrete Structures and Materials
• /
• 제9권2호
• /
• pp.159-172
• /
• 2015

Estimation of the residual strength of corroded reinforced concrete beams has been studied from experimental and theoretical perspectives. The former is arduous as it involves casting beams of various sizes, which are then subjected to various degrees of corrosion damage. The latter are static; hence cannot be generalized as new coefficients need to be re-generated for new cases. This calls for dynamic models that are adaptive to new cases and offer efficient generalization capability. Computational intelligence techniques have been applied in Construction Engineering modeling problems. However, these techniques have not been adequately applied to the problem addressed in this paper. This study extends the empirical model proposed by Azad et al. (Mag Concr Res 62(6):405-414, 2010), which considered all the adverse effects of corrosion on steel. We proposed four artificial neural networks (ANN) models to predict the residual flexural strength of corroded RC beams using the same data from Azad et al. (2010). We employed two modes of prediction: through the correction factor ($C_f$) and through the residual strength ($M_{res}$). For each mode, we studied the effect of fixed and random data stratification on the performance of the models. The results of the ANN models were found to be in good agreement with experimental values. When compared with the results of Azad et al. (2010), the ANN model with randomized data stratification gave a $C_f$-based prediction with up to 49 % improvement in correlation coefficient and 92 % error reduction. This confirms the reliability of ANN over the empirical models.

• 대한안전경영과학회지
• /
• 제22권4호
• /
• pp.75-86
• /
• 2020

With the advent of the 4.0 era of logistics due to the Fourth Industrial Revolution, infrastructures have been built to receive the same services online and offline. Logistics services affected by logistics 4.0 and IT technology are rapidly changing. Logistics services are developing using technologies such as big data, artificial intelligence, blockchain, Internet of things, and augmented reality. The convergence of logistics services and various IT new technologies is accelerating, and the development of data management solution technology has led to the emergence of electronic cargo waybill to replace paper cargo waybill. The electronic waybill was developed to supplement paper waybill that lack economical and safety. However, the electronic waybill that appeared to complement the paper waybill are also in need of complementation in terms of efficiency and reliability. New research is needed to ensure that electronic cargo waybill gain the trust of users and are actively utilized. To solve this problem, electronic cargo waybill that combine blockchain technology are being developed. This study aims to improve the reliability, operational efficiency and safety of blockchain electronic cargo waybill. The purpose of this study is to analyze the blockchain-based electronic cargo waybill system and to derive evaluation indicators for system supplementation.

• 한국지진공학회논문집
• /
• 제27권5호
• /
• pp.213-220
• /
• 2023

Seismic fragility curves play a crucial role in assessing potential seismic losses and predicting structural damage caused by earthquakes. This study compares non-sampling-based methods of seismic fragility curve derivation, particularly the probabilistic seismic demand model (PSDM) and finite element reliability analysis (FERA), both of which require employing sophisticated finite element analysis to evaluate and predict structural damage caused by earthquakes. In this study, a three-dimensional finite element model of API 5L X65, a buried gas pipeline widely used in Korea, is constructed to derive seismic fragility curves. Its seismic vulnerability is assessed using nonlinear time-history analysis. PSDM and a FERA are employed to derive seismic fragility curves for comparison purposes, and the results are verified through a comparison with those from the Monte Carlo Simulation (MCS). It is observed that the fragility curves obtained from PSDM are relatively conservative, which is attributed to the assumption introduced to consider the uncertainty factors. In addition, this study provides a comprehensive comparison of seismic fragility curve derivation methods based on sophisticated finite element analysis, which may contribute to developing more accurate and efficient seismic fragility analysis.

• 한국융합학회논문지
• /
• 제10권11호
• /
• pp.95-100
• /
• 2019

본 논문은 자율 주행차량의 운행과 더불어 기존 차량 사고 방지를 위한 차량 간 통신 기술, 자율주행 기술, 브레이크 자동 제어 기술, 인공지능 기술 등이 널리 개발되고 있다. 차량 사고 발생이 일어나더라도 사망이나 부상을 최소화하기 위한 각종 기술들의 안전성의 상용화에 있다. 본 논문의 경우 자율주행 차량시, 안전성 확보연구이다. 이는 일반적인 저전력 근거리 무선 통신용 칩 신호나 초소형 도로 AI 장착 등의 공간적 요소에 따라 판별한다. 반면 본 논문은 상기 전자 칩의 신호를 읽는 데에서 생체 전자 칩까지의 "감지영역 내 체류 시간인식, 민감도"까지 체크하여 승차한 안전의 신뢰성을 높인다. 실제 세계 각국의 신뢰성을 실증한 결과로서, 안전성면에서 탑승객 전원의 안전 자율 시스템을 유도한다. 무인 자율차량 탑승과 상용화는 가까운 미래에 도로위 IoT의 AI 시스템과 생체 칩(Verification emotion + Chip)으로의 연계성면에서 그 진보성의 실증결과, 세계 각국의 안전 기술신뢰성은 더욱 부각된다.

• 한국비블리아학회지
• /
• 제31권1호
• /
• pp.137-162
• /
• 2020

제3차 도서관발전종합계획에서 '4차 산업혁명 시대에 필요한 미래 시민 역량을 강화하기 위한 프로그램 및 서비스의 강화'를 핵심과제로 선정함에 따라 최근 인공지능 기술을 적용한 도서관의 이용자 맞춤형 큐레이션 서비스가 각광받고 있다. 이에 본 연구에서는 맞춤형 큐레이션 서비스가 도서관과 이용자의 관계형성에 어떠한 영향을 미치는지에 대해 밝혀보고자 하였다. 연구결과, 도서관 큐레이션 서비스는 이용자의 만족도와 신뢰도에 통계적으로 유의미한 영향을 미치는 것으로 검증되었다. 또한 만족도와 신뢰도는 도서관 재방문의도와 구전의도 그리고 이용 증가 및 새로운 서비스 이용의사에도 정(+)의 영향을 미치는 것으로 확인되었다. 본 연구의 결과는 향후 이용자 수요조사에 기반한 이용자 맞춤형 큐레이션 서비스 개발 및 운영을 위한 기초자료로 활용할 수 있을 것이며, 나아가 미래사회에 도서관의 경쟁력을 향상시킴으로써 한국의 공공도서관의 위상을 제고시키는데 이바지할 수 있을 것으로 보인다.

• 한국항행학회논문지
• /
• 제27권2호
• /
• pp.235-246
• /
• 2023

4차 산업혁명 기반에서 인공지능(AI), 전기자동차 및 로봇 등의 급속한 기술발전에 있어 반도체가 핵심성능을 좌우하면서, 반도체 경쟁력이 국가 경쟁력과 직결되는 상황을 맞이하였다. 하지만, 한국 반도체 산업은 메모리 반도체를 제외한 시스템 반도체 분야에서 지속적으로 경쟁력이 약화되어, 본 연구에서 침체기에 빠진 한국 팹리스 시스템 반도체 기업의 성장에서 가장 시급한 세계시장 개척을 위해 새로운 스마트계약 기반 블록체인 거래모델인 F-SBM (Fabless-Smart contract based Blockchain Model)을 제안한다. 본 연구는 새로운 F-SBM 모델을 통해 반도체의 Technology, Economy, Reliability 항목의 스마트 계약 기반 컨소시엄 블록체인을 통해 팹리스 업체의 신규고객 확보방안을 검증하였다. 이는 한국 팹리스 시스템 반도체 산업의 숙원인 세계 시장 개척을 위한 신규고객 확보의 높은 진입장벽이 개선됨과 새로운 성장방안을 도출하였다는 측면에서 큰 의의를 가진다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.139-141
• /
• 2022

디지털 영상 매체 및 지능형 시스템에 대한 관심이 급격히 증가함에 따라 보안, 인공지능 등 다양한 분야에서 영상 정보를 이용한 기술들을 접목해 사용하고 있다. 디지털 영상 처리 중 발생하는 임펄스 잡음은 영상의 화질을 저하시켜 정보의 신뢰성을 떨어뜨리기 때문에 필터를 통한 제거가 필요하다. 이미 잘 알려진 선행된 방식으로 SMF, AWMF, MDBUTMF가 있지만 이들 모두 알고리즘 자체의 문제로 유효한 화소의 정보의 손실이 크고 오염도가 큰 환경에서 원활하지 못한 필터링을 이루는 한계를 가진다. 따라서 본 논문은 마스크 내에 존재하는 가장 근접한 유효 화소를 탐색함으로써 정보의 신뢰도를 반영한 가중치를 적용하는 메디안 필터 알고리즘을 설계한다. 성능 평가를 위해 PSNR과 확대영상을 사용하여 본 알고리즘과 선행된 알고리즘을 비교, 분석하였다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.259-278
• /
• 2022

인공지능(AI)의 확산과 함께 금융 분야에서도 상품추천, 고객 응대 자동화, 이상거래탐지, 신용 심사 등 다양한 인공지능 기반 서비스가 확대되고 있다. 하지만 데이터에 기반한 기계학습의 특성상 신뢰성과 관련된 문제 발생과 예상하지 못한 사회적 논란도 함께 발생하고 있다. 인공지능의 효용은 극대화하고 위험과 부작용은 최소화할 수 있는 신뢰할 수 있는 인공지능에 대한 필요성은 점점 더 커지고 있다. 이러한 배경에서 본 연구는 소비자의 금융 생활에 직접 영향을 끼치는 인공지능 기반 개인신용평가의 공정성 확보를 위한 체크리스트 제안을 통해 인공지능 기반 금융서비스에 대한 신뢰 향상에 기여하고자 하였다. 인공지능 신뢰성의 주요 핵심 요소인 투명성, 안전성, 책무성, 공정성 중 포용 금융의 관점에서 자동화된 알고리즘의 혜택을 사회적 차별 없이 모두가 누릴 수 있도록 공정성을 연구 대상으로 선정하였다. 문헌 연구를 통해 공정성이 영향을 끼치는 서비스 운용의 전 과정을 데이터, 알고리즘, 사용자의 세 개의 영역으로 구분하고, 12가지 하위 점검 항목과 항목별 세부 권고안으로 체크리스트를 구성하였다. 구성한 체크리스트는 이해관계자(금융 분야 종사자, 인공지능 분야 종사자, 일반 사용자)별 계층적 분석과정(AHP)을 통해 점검 항목에 대한 상대적 중요도 및 우선순위를 도출하였다. 이해관계자별 중요도에 따라 세 개의 그룹으로 분류하여 분석한 결과 학습데이터와 비금융정보 활용에 대한 타당성 검증 및 신규 유입 데이터 모니터링의 필요성 등 실용적 측면에서 구체적인 점검 사항을 파악하였고, 금융 소비자인 일반 사용자의 경우 결과에 대한 해석 오류 및 편향성 확인에 대한 중요도를 높게 평가한다는 것을 확인할 수 있었다. 본 연구의 결과가 더 공정한 인공지능 기반 금융서비스의 구축과 운영에 기여할 수 있기를 기대한다.