• 융합보안논문지
• /
• 제21권2호
• /
• pp.3-10
• /
• 2021

데이터 기반의 과학연구가 추세인 요즘 대용량의 데이터 전송은 연구 생산성에 많은 영향을 미친다. 이러한 문제를 해결하기 위해서 대용량 과학 빅데이터를 전송하기 위한 별도의 네트워크 구조가 필요하다. ScienceDMZ는 이러한 과학 빅데이터를 전송하기 위해서 고안된 네트워크 구조이다. 이러한 네트워크 구성에서는 사용자 및 자원에 대한 접근제어정책(ACL, access control list) 수립이 필수적이다. 본 논문에서는 실제 ScienceDMZ 네트워크 구조로 구현된 R&E Together 프로젝트와 네트워크 구조를 설명하고, 안전한 데이터 전송 및 서비스 제공을 위해 접근제어정책을 적용할 사용자 및 서비스를 정의한다. 또한 네트워크 관리자가 전체 네트워크 자원 및 사용자에 대해 일괄적으로 접근제어정책을 적용할 수 있는 방법을 제시하며, 이를 통해 접근제어정책 적용에 대한 자동화를 이룰 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제21권2호
• /
• pp.587-593
• /
• 2021

본 논문에서는 나날이 발전하는 대규모 서비스거부공격에 대해 고전적인 방식의 DDoS 대응시스템에서 벗어나, 4차 혁명 시대의 핵심기술 중의 하나인 인공지능 기반의 기술을 활용해 지능화된 서비스거부공격을 효율적으로 감내 할 수 있는 서비스모델 개발방안을 제안하였다. 즉, 다수의 보안장비, 웹서버로부터 수집된 다량의 데이터를 대상으로 머신러닝 인공지능 학습을 통해 서비스거부공격을 탐지하고 피해를 최소화할 수 있는 방안을 제안하였다. 특히, 인공지능기술을 활용하기 위한 모델을 개발은 일정한 트래픽 변화를 반복하며 안정적 흐름의 데이터를 전송이 이루어지다가 서비스거부공격이 발생하면 다른 양상의 데이터 흐름을 보인다는 점에 착안하여 서비스서부공격 탐지에 인공지능기술을 활용하였다. 서비스거부공격이 발생하면 확률기반의 실제 트래픽과 예측값과의 편차가 발생하기 때문에 공격성 데이터로 판단하여 대응이 가능하다. 이 논문에서는 보안장비나 서버에서 발생하는 로그를 기반으로 데이터를 분석하여 서비스거부공격 탐지모델을 설명하였다.

• 한국산학기술학회논문지
• /
• 제22권6호
• /
• pp.83-89
• /
• 2021

자율운전자동차의 성능을 높이기 위해서는 차량과 차량, 인프라와 차량을 연결하는 통신 기술인 V2X의 도입이 필수적이다. 상대 차량의 움직임 정보를 알고 있더라도 회전교차로에서 정확한 연산을 위해 교차로의 구조와 거리 계산 알고리즘이 필요하다. 이 논문에서는 국가 회전로 설계 규칙을 준수하고 정확한 계산이 가능한 회전교차로 설계 기법을 제안하여 Matlab으로 구현하였다. 제안한 기법은, 첫째, 회전로와 진출입로를 원으로 가정하고 수평 이동에 의해 두 원을 근접시켜 임의의 지점에 있는 차량간 거리 측정 기법을 제안하고 이를 Matlab으로 구현하였다. 둘째로, 가지간 각도와 진출입로의 곡률 반경을 임의로 가변시켜 지형에 적합한 회전교차로를 설계하고 주행하는 두 차량의 충돌이 예상될 때 경고 신호를 전송한다. 가지간 각도와 진출입로의 곡률 반경을 임의로 가변시켜 지형에 적합한 회전교차로를 설계하고 주행하는 두 차량의 충돌이 예상될 때 경고 신호를 전송함으로써 완전 자율운전 차량에서 이용할 수 있음을 제시하였다. 결과는 차량에 설치된 OBU에서 속도를 제어하는 알고리즘으로 사용할 수 있으며 자율운전 차량뿐만 아니라 운전자에게 교통 상황을 알려주는 기능을 제공한다.

• 정보보호학회논문지
• /
• 제21권5호
• /
• pp.47-58
• /
• 2011

인터넷 기술의 발달과 함께 스트리밍 서비스들이 많아지면서 이러한 서비스를 보호하기 위한 기술들이 개발되고 있다. 그 중 AES[1]의 CTR Mode는 OMA DRM, VoIP 그리고 IPTV 등의 스트리밍 서비스에서 정보 전송을 위해 쓰이는 암호화 기술로서, 전송되는 데이터의 암/복호화 병렬처리가 가능하다. 하지만 이러한 스트리밍 서비스를 사용하는 IPTV의 셋탑 박스나 모바일 디바이스는 제한된 연산 능력을 갖기 때문에, 이러한 환경을 고려하여 암호 알고리즘을 최적화하고 효율성을 높이는 것은 중요한 이슈가 된다. 따라서 본 논문에서는 AES-CTR Mode의 구현 로직을 개선하여 알고리즘 연산 속도를 개선하는 기법을 제안한다. 그리고 제한된 성능을 가지는 모바일 디바이스에서 제안한 기법을 구현하여 성능을 검증한다.

• 한국정보통신학회논문지
• /
• 제24권11호
• /
• pp.1431-1436
• /
• 2020

현대사회에서 CCTV, 블랙박스 등 다양한 영상기기로 편리함을 도모한다. 하지만 야간에서 촬영된 영상이나 영상 신호가 송, 수신되는 과정에서 잡음이 빈번하게 발생한다. 이러한 잡음을 제거하지 않으면 영상의 식별이 어렵다는 문제점이 발생한다. 따라서 영상 정보에서 영상의 잡음 제거는 필수불가결한 단계이다. 영상 잡음 중 대표적인 임펄스 잡음으로 Salt and Pepper 잡음이 있다. 잡음을 제거하기 위한 방법으로 선행연구가 진행되어져 왔고 그중 대표적인 방법으로 CWMF, MMF, A-TMF 등이 있다. 이러한 필터들은 공통적으로 저밀도 잡음 영역에서는 우수한 성능을 보이지만 고밀도 잡음 영역에서 잡음 제거 성능이 다소 부족하다는 단점이 있다. 따라서 제안한 알고리즘은 히스토그램 그래프의 변곡점을 이용하여 영역을 나누어 특이점을 제거하고, 히스토그램 분포를 이용한 가중치 필터를 제안한다. 객관적인 판단을 위해 PSNR을 이용하였다.

• 융합정보논문지
• /
• 제12권4호
• /
• pp.9-13
• /
• 2022

본 논문에서는 지면반사를 이용한 크로스아이 재밍에 의해서 발생되는 모노펄스 레이다의 추적오차를 분석한다. 크로스아이 재밍은 위상과 진폭이 다른 두 신호를 동시에 레이다로 송신하여 레이다 추적 시스템에 오차를 발생시키는 방법이다. 모노펄스 레이다가 지형 바운스에 의해서 발생되는 크로스 아이 재밍신호를 수신하면 고각 방향으로 추적오차가 발생 한다. 다중반사가 존재하는 저고도 환경에서 추적 레이다 수신기에서는 재머에서 송신된 신호가 직접 경로와 반사 경로 두 신호가 도달하여 그 경로 차에 의해 오차가 발생한다. 지형 바운스 재밍은 단일 재머를 이용하여 할 수 있는 장점이 있으나 재밍에 영향을 미치는 공간은 지형 반사각과 지형의 산란 정도에 의해서 제한된다. 본 연구는 해상에서 저고도로 날아오는 미사일이나 항공기로부터 함정을 보호하기 위해서 유용하게 활용될 수 있을 것으로 판단된다.

• 인터넷정보학회논문지
• /
• 제23권3호
• /
• pp.97-110
• /
• 2022

연합학습은 학습데이터의 전송없이 모델의 학습을 수행할 수 있는 학습방법이다. IoT 혹은 헬스케어 분야는 사용자의 개인정보를 다루는 만큼 정보유출에 민감하여 시스템 디자인에 많은 주의를 기울여야 하지만 연합학습을 사용하는 경우 데이터가 수집되는 디바이스에서 데이터가 이동하지 않기 때문에 개인정보 유출에 자유로운 학습방법으로 각광받고 있다. 이에 따라 많은 연합학습 구현체가 개발되었으나 연합학습을 사용하는 시스템의 개발과 운영을 위한 시스템 설계에 관한 구체적인 연구가 부족하다. 본 연구에서는 연합학습을 실제 프로젝트에 적용하여 IoT 디바이스에 배포하고자 할 때 연합학습의 수명주기, 코드 버전 관리, model serving, 디바이스 모니터링에 대한 대책이 필요함을 보이고 이러한 점을 보완해주는 개발환경에 대한 설계를 제안하고자 한다. 본 논문에서 제안하는 시스템은 중단 없는 model-serving을 고려하였고 소스코드 및 모델 버전 관리와 디바이스 상태 모니터링, 서버-클라이언트 학습 스케쥴 관리기능을 포함한다.

• 한국정보통신학회논문지
• /
• 제26권10호
• /
• pp.1483-1489
• /
• 2022

최근 4차 산업혁명의 영향과 통신매체의 발전으로 다양한 디지털 영상장비가 산업현장에서 사용되고 있다. 영상 데이터는 카메라와 센서로부터 취득되는 과정 및 송수신 과정에서 잡음에 훼손되기 쉬우며, 훼손된 영상은 시스템의 처리과정에 영향을 미치기 때문에 잡음제거가 필수적으로 선행되고 있다. 본 논문에서는 고밀도의 임펄스 잡음에 훼손된 영상을 복원하기 위해 가중치 그래프를 사용한 가중치 필터 알고리즘을 제안하였다. 제안한 알고리즘은 영상의 필터링 마스크 내부의 화소값을 사용하여 가중치 그래프를 구하였으며, 최종 가중치를 필터링 마스크에 적용하여 영상을 복원하였다. 제안하는 알고리즘의 잡음제거 성능을 분석하기 위해 시뮬레이션을 진행하였으며, 확대영상 및 PSNR을 사용하여 기존 방법과 비교하였다. 제안한 알고리즘의 결과 영상은 고밀도 임펄스 잡음을 제거하며 우수한 성능을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권3호
• /
• pp.1051-1077
• /
• 2021

The secure communication of information is a major concern over the internet. The information must be protected before transmitting over a communication channel to avoid security violations. In this paper, a new hybrid method called compressed encrypted data embedding (CEDE) is proposed. In CEDE, the secret information is first compressed with Lempel Ziv Welch (LZW) compression algorithm. Then, the compressed secret information is encrypted using the Advanced Encryption Standard (AES) symmetric block cipher. In the last step, the encrypted information is embedded into an image of size 512 × 512 pixels by using image steganography. In the steganographic technique, the compressed and encrypted secret data bits are divided into pairs of two bits and pixels of the cover image are also arranged in four pairs. The four pairs of secret data are compared with the respective four pairs of each cover pixel which leads to sixteen possibilities of matching in between secret data pairs and pairs of cover pixels. The least significant bits (LSBs) of current and imminent pixels are modified according to the matching case number. The proposed technique provides double-folded security and the results show that stego image carries a high capacity of secret data with adequate peak signal to noise ratio (PSNR) and lower mean square error (MSE) when compared with existing methods in the literature.

• 정보보호학회논문지
• /
• 제32권2호
• /
• pp.405-416
• /
• 2022

AI기술은 데이터 기반의 기계학습을 이용하여 삶의 질을 높여주고 있다. 기계학습을 이용시, 분산된 데이터를 전송해 한곳에 모으는 작업은 프라이버시 침해가 발생할 위험성이 있어 비식별화 과정을 거친다. 비식별화 데이터는 정보의 손상, 누락이 있어 기계학 습과정의 성능을 저하시키며 전처리과정을 복잡하게한다. 이에 구글이 2017년에 데이터의 비식별화와 데이터를 한 서버로 모으는 과정없이 학습하는 방법인 연합학습을 발표했다. 본 논문은 실제 금융데이터를 이용하여, K익명성, 차분프라이버시 재현데이터의 비식별과정을 거친 데이터의 학습성능과 연합학습의 성능간의 차이를 비교하여 효용성을 분석하였으며, 이를 통해 연합학습의 우수성을 보여주고자 한다. 실험결과 원본데이터 학습의 정확도는 91% K-익명성을 거친 데이터학습은 k=2일 때 정확도 79%, k=5일 때76%, k=7일 때 62%, 차분프라이버시를 사용한 데이터학습은 𝜖=2일 때 정확도 52%, 𝜖=1일 때 50%, 𝜖=0.1일 때 36% 재현데이터는 정확도 82%가 나왔으며 연합학습의 정확도는 86%로 두번째로 높은 성능을 보여 주었다.