• 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.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.181-193
• /
• 2024

기후변화에 의해 발생하는 대기 불균형은 강우량의 증가로 이어지고, 침수 발생 빈도가 증가함에 따라 이를 탐지할 수 있는 기술의 필요성이 증가하고 있다. 침수 피해를 최소화하기 위해 지속적인 모니터링이 필요하며, 날씨의 영향을 받지 않는 합성개구레이더(Synthetic Aperture Radar, SAR) 영상을 활용하여 침수지역을 탐지하였다. 관측된 데이터는 median 필터를 통해 노이즈를 감소시키는 전처리 과정을 진행하였으며, 객체 탐지 기법을 통해 수체와 비수체를 분류하여 각 기법의 침수탐지 활용성을 평가하고자 하였다. 본 연구에서는 Otsu 기법과 SVM 기법을 통해 수체 및 침수 탐지를 수행하였으며, Confusion Matrix를 통해 전체적인 모델의 성능을 평가하였다. Otsu 기법은 수체와 비수체의 경계를 구분하는데 적합함을 보였으나, 혼합물의 영향을 받아 오탐지의 비율이 높게 나타났다. 반면, SVM 기법을 사용한 경우, 오탐지 비율이 낮고 혼합물에 의한 영향에 민감하지 않은 것으로 관측되었다. 이에 따라 침수 상태를 제외한 다른 조건에서 SVM 기법의 정확도가 높게 나타났다. Otsu 기법이 침수 조건에서 SVM 기법보다 다소 높은 정확도를 보였지만, 정확도의 차이가 5% 미만임을 확인할 수 있었다(Otsu: 0.93, SVM: 0.90). SVM 기법이 Otsu 기법보다 침수 전, 침수 후의 조건에서 정확도 차이가 최대 15% 이상 발생하여 수체 및 침수탐지에 더 적합하게 나타났다(Otsu: 0.77, SVM: 0.92). 이러한 결과는 SVM 기법이 수체 및 침수탐지에서 효과적으로 활용될 수 있음을 시사하며, 미래의 수재해 탐지 시스템에 적용될 때 유용한 정보를 제공할 수 있을 것으로 기대된다.

• 마이크로전자및패키징학회지
• /
• 제24권4호
• /
• pp.23-29
• /
• 2017

본 연구에서는 선박이송용 트레슬의 표면에 부착할 수 있는 광섬유센서 패키지를 설계하고 파장다중분할방식에 기초한 센서 네트워크를 설계한 후, 모의 트레슬 유닛을 이용한 실험을 통하여 트레슬의 구조적 건전 모니터링을 위한 스마트 트레슬의 가능성을 확인하였다. 광섬유 브래그 격자 센서는 알루미늄 관으로 만들어진 원통형으로 패키징 되었다. 또한, 패키징 된 광섬유 센서를 폴리머 튜브에 삽입 한 후, 튜브 내부에 에폭시를 충전하여 센서가 해수에 대한 부식저항과 내구성을 갖도록 하였다. 패키지 된 광섬유 센서는 0.2 MPa 하의 수압테스트를 통하여 해수에서의 사용에 대한 신뢰성도 검증되었다. 트레슬의 변형에 관한 유한 요소 해석에 의해 얻어진 트레슬 부재의 변위가 큰 곳을 중심으로 트레슬에 부착할 브래그 격자의 수와 위치를 결정하였다. 최대 하중이 가해지는 트레슬 부재의 변형은 ${\sim}1000{\mu}{\varepsilon}$의 변형율로 분석되었으며, 그 때 트레슬에 걸리는 최대 하중으로 인한 센서의 브래그 파장 변화는 ~1,200 pm으로 계산되었다. 유한 요소 해석에서 얻은 결과에 따라 센서의 브래그 파장 간격을 3~5 nm로 결정하여 트레슬에 하중이 가해 졌을 때 센서 사이의 브래그 격자 파장값이 겹치지 않도록 설계하였다. 5개의 광섬유센서 패키지로 구성된 센서 모듈 5개를 연결하면 브래그 격자 센서 50개가 네트워크 될 수 있으므로, 브래그 격자 파장 검출기의 광원 중심 파장이 1550 nm에서 150 nm 광학 창 내에서 모두 검출될 수 있도록 하였다. 모의 트레슬 유닛에 부착 된 5개의 광섬유 센서 패키지의 브래그 파장 이동은 광섬유 루프미러를 사용하는 브래그 격자 파장검출기에 의해 잘 검출되었으며, 그 때 검출된 브래그 격자 센서의 값은 최대 변형률이 약 $235.650{\mu}{\varepsilon}$로 측정되었다. 센서 패키징과 네트워킹의 모델링 결과는 실험 결과와 서로 잘 일치하였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.

• 한국조경학회지
• /
• 제48권2호
• /
• pp.34-44
• /
• 2020

정원이 제도적 차원에서 공적영역으로 확대되며, 기능의 불명확성으로 인해 혼란이 발생하고 있다. 이에 본 연구에서는 정원 조성 및 이용자 관점, 즉 전문가와 일반인을 대상으로 정원 기능의 우선순위 인식을 규명하고, 정책적 방향성을 제시하고자 수행하였다. 연구방법론은 사회과학적 방법론인 AHP를 적용하였으며, 집단A 227명, 집단B 220명의 인식을 분석하고 비교고찰하였다. 먼저 정원의 대분류 기능에 대한 가중치 분석 결과, 집단A는 문화적 기능, 생태적 기능, 사회적 기능의 순으로 중요하게 인식하고 있다. 반면 집단B에서는 생태적 기능, 문화적 기능, 사회적 기능 순으로 나타나, 서로 간 인식 차이가 확인되었다. 둘째, 각 대분류별 중분류의 가중치 분석 결과에서는 문화적 기능에서 심미적 아름다움이 두 집단 모두 1순위로 나타났으며, 영적 종교적 영감, 문화유산과 고유성에서 순위 차이가 있었다. 생태적 기능에서는 생태환경 보호, 사회적 기능에서는 지역주민 삶의 질이 두 집단 모두 1순위로 평가되었으며, 나머지 중분류 우선순위도 모두 동일하였다. 셋째, 대분류 수준의 각 기능별 가중치를 곱셈한 중분류 기능의 종합적 분석 결과에서는 생태환경보호, 심미적 아름다움, 휴양치유, 물순환에 대해 두 집단 모두 제일 중요하게 인식하였다. 반면 두 집단 모두 산업화를 가장 후순위로 인식하고 있었다. 종합하여 보면 공적 영역으로 확대된 정원은 이용자 중심의 공간 기능이 우선되어야 하며, 산업적 혼란을 방지함과 동시에 전문성이 존중되어야 한다. 즉, 생태환경 보호와 물순환 등의 생태적 기능을 최우선으로 하여, 심미적 아름다움, 휴양치유 등의 문화적 기능을 보완하는 것이 효과적일 것으로 판단된다. 후속 연구로서 정원의 유형과 위계, 기타 다양한 정원에 대한 설계와 시공 및 모니터링 DB를 구축하여, 정원의 흐름을 체계적으로 관리하는 것이 중요하다.

• 대한원격탐사학회지
• /
• 제37권5_3호
• /
• pp.1361-1371
• /
• 2021

스마트 시티 서비스 중 방범·방재 분야가 2018년 기준 가장 높은 24%를 차지하고 있으며, 실시간 상황정보제공에 가장 중요한 플랫폼은 CCTV(Closed-Circuit Television) 이다. 이러한 CCTV의 활용을 극대화 하기 위해서는 CCTV가 제공하는 실질적인 감시 영역을 파악하는 것이 필수적이다. 하지만 국내에 설치된 CCTV양은 지자체 관리대상 포함 100만대를 넘고 있다. 이러한 방대한 양의 CCTV의 가시영역을 수동적으로 파악해야 하는 것은 문제점으로 제기되고 있다. 이에 본 연구에서는 CCTV의 실질적 가시권 영역 데이터를 효율적으로 구축하고, 관리자가 상황 파악에 소요되는 시간을 단축하는 방안을 제시하고자 하였다. 이를 위하여 첫째, 접근이 어려운 기 설치된 CCTV 카메라의 외부표정요소와 초점 거리를 MMS(Mobile Mapping System)의 점군 데이터를 활용하여 계산하고, 이 결과를 활용하여 FOV(Field of View)를 계산하였다. 둘째, 첫 단계에서 계산된 FOV 결과를 이용하여 건물에 의하여 발생하는 폐색 영역을 고려하여 CCTV의 실질적 감시 영역을 그리드 단위 1 m, 2 m, 3 m, 5 m, 10 m 폴리곤 데이터로 구축하였다. 이 방법을 경상북도 울진군에 위치한 5개소의 CCTV 영상에 적용한 결과, 평균 재투영 오차는 약 9.31 pixel, 공공데이터포털(Data Portal)에서 제공하는 위·경도 좌표와의 거리는 평균 약 10 m의 거리 차이가 발생하였고, MMS를 통해 취득한 점군 데이터 상의 CCTV 위치 좌표 값과는 평균 약 1.688 m의 위치 차이를 나타냈다. 단위 그리드의 한 변의 크기가 3 m인 경우, 본 연구를 통하여 계산된 감시 영역 폴리곤은 육안으로 확인한 실제 감시 영역과 최소 70.21%에서 최대 93.82%까지 일치함을 확인할 수 있었다.

• 한국수자원학회논문집
• /
• 제56권10호
• /
• pp.631-639
• /
• 2023

돌발가뭄(Flash drought, FD)은 기존 가뭄과는 달리 급작스러운 발생이 대표적인 특징으로, 즉각적인 수분 스트레스를 유발하여 생태계에 주요한 영향을 미친다. 보다 효과적인 돌발가뭄의 모니터링을 위해서는 돌발가뭄의 특징과 원인에 대한 보다 종합적인 이해가 필요하다. 이에, 본 연구에서는 Global Land Data Assimilation System (GLDAS) 자료를 사용하여 2012년부터 2022년 사이 한반도 전역에서 발생한 돌발가뭄에 대해 분석하고자 하였다. 스트레스 기반 탐지 기법인 표준 증발 스트레스 비율(Standardized Evaporative Stress Ratio, SESR)의 변화를 바탕으로 돌발가뭄을 탐지하였으며, 발생 빈도와 기간에 대해 분석하였다. 또한, 탐지된 돌발가뭄 사건들을 실제 증발산(Actual Evapotranspiration, AET)과 잠재 증발산(Potential Evapotranspiration, PET)의 변화를 기반으로 세 가지 케이스로 분류하였으며, 각 케이스 별 발생 특성 및 공간 분포에 대해 분석하였다. 그 결과, 돌발가뭄의 발생 빈도와 기간에 지역적인 편차가 있는 것을 확인하였으며, 평균 빈도는 6.4회, 평균 발생 기간은 31일로 나타났다. 일반적인 돌발가뭄인 Case 1, AET의 감소가 주 원인이 되어 발생한 Case 2, PET의 증가에 의해 발생한 Case 3으로 돌발가뭄 사건들을 분류하였을 때, 한반도에서는 Case 1 돌발가뭄이 1,448건으로 가장 많이 발생했으며, Case 2 돌발가뭄이 Case 3 돌발가뭄보다 약 1.5배 더 많이 일어난 것을 확인할 수 있었다. Case 2 돌발가뭄은 수분 제한 조건(water-limited condition)에서 발생하여 AET와 PET가 모두 감소하는 결과로 이어졌으며, Case 3 돌발가뭄은 에너지 제한 조건(energy-limited condition)에서 발생한 이후 AET와 PET가 모두 증가하였다. Case 2 돌발가뭄은 주로 북서부와 중남부에 위치한 농경지에 영향을 주었으며, Case 3 돌발가뭄은 산지에 해당하는 동부에서 집중적으로 발생하였다. 본 연구의 결과들은 기후 요소, 토지피복 및 수분 가용성을 고려한, 돌발가뭄에 대한 이해를 돕고, 보다 효과적인 가뭄 대응 방안 수립에 기여할 수 있다.

• 한국습지학회지
• /
• 제26권2호
• /
• pp.168-181
• /
• 2024

인공습지는(CW)는 침투, 흡착, 저류, 식물과 미생물의 증발산 등과 같은 수문학적 및 생태학적 기작에 의하여 오염물질 제거, 탄소흡수 및 저장, 생물다양성 향상 등의 생태계서비스를 제공한다. 본 연구는 수평지하흐름 인공습지(HSSF CW)의 미생물 군집과 토양의 물리·화학적 특성 및 처리효율의 상관관계를 분석하기 위하여 수행되었다. 연구를 위한 모니터링은 강우시 수질특성, 토양특성, 미생물 분석이 수행되었다. 따뜻한 계절(>15℃) 에서 TSS, COD, TN, TP 및 중금속(Fe, Zn, Cd) 제거효율이33~74% 범위로 나타났다. 그러나 추운 계절(≤15℃)에서 TOC 35%로 가장 높은 제거 효율이 나타났다. 인공습지 내 토양은 인근에서 채취한 토양의 토양유기탄소(SOC) 함량보다 3.3배 더 높은 함량을 가지고 있는 것으로 나타났다. 유입부와 유출부의 탄소(C), 질소(N) 및 인(P)의 화학양론비(C:N:P)는 각각 120:1.5:1 및 135.2:0.4:1로 나타났으며, 탄소에 비해 질소와 인의 비율이 매우 낮아 미생물 성장에 문제가 발생될 수 있다. 미생물 분석에서는 생물다양성 지수를 통해 미생물 군집의 풍부도, 다양성, 균질성 및 균일성이 따뜻한 계절이 추운 계절에 비해 높게 나타났다. 인공습지의 강우유출수 오염물질 중 질소고정 미생물인 Proteobacteria, Actinobacteria, Acidobacteria, Bacteroidetes가 우점종으로 미생물 생장을 촉진하는 것으로 평가되었는데 이는 특정 토양특성 및 유입수 특성이 미생물 풍부도와 밀접한 관련이 있음을 의미한다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.