• Journal of Platform Technology
• /
• v.12 no.3
• /
• pp.62-70
• /
• 2024

Recent surveillance systems employ multiple sensors, such as cameras and radars, to enhance the accuracy of intrusion detection. However, object recognition through camera (RGB, Thermal) sensors may not always be accurate during nighttime, in adverse weather conditions, or when the intruder is camouflaged. In such situations, it is possible to detect intruders by utilizing the trajectories of objects extracted from camera or radar sensors. This paper proposes a method to detect intruders using only trajectory information in environments where object recognition is challenging. The proposed method involves training an LSTM-Attention based trajectory classification model using normal and abnormal (intrusion, loitering) trajectory data of animals and humans. This model is then used to identify abnormal human trajectories and perform intrusion detection. Finally, the validity of the proposed method is demonstrated through experiments using real data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10b
• /
• pp.1061-1064
• /
• 2001

일반적으로 비정상행위를 탐지하는데 통계적인 기법을 사용하여 왔다. 본 논문에서는 통계적인 기법의 단점을 보완하기 위해 베이지안 네트워크(Bayesian Network)의 장점들을 이용한 비정상행위에 대한 판정 및 분석에 효과적인 방법을 연구하고자 한다. 리눅스 시스템의 감사자료(LSM audit data)로부터 사용자의 정상행위에 대해 베이지안 네트워크 학습에 효율적인 Sparse Candidate 알고리즘을 사용하고, 감사자료의 일부가 결여되어 있는 경우에도 추론이 가능하도록 Gibbs Sampling 방법을 적용하여 시스템 사용자의 비정상행위를 판정하는데 도움이 되도록 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.05a
• /
• pp.31-34
• /
• 2000

코호넨 자기조직 신경망을 사용하면 클러스터링뿐만 아니라 그 데이터가 할당된 클러스터의 대표값(Centroid)과의 거리 차이(Quantization Error)를 알아볼 수 있다 이를 이용하면 어떤 데이터가 정상적인 분포를 따르는지 정상적인 분포에서 벗어나는 비정상적인 데이터인지 알 수 있고, 유닉스 시스템 사용자의 명령어 사용 패턴에 적용하여 어떤 사용자의 명령어 사용 패턴이 정상적인 것인지 비정상적인 것인지 알 수 있다. 본 논문에서는 유닉스 시스템 사용자 8명의 명령어 패턴을 클러스터링한 후 Quantization Error를 이용하여 비정상 패턴을 탐지하는 오프라인에서의 비정상 행위를 탐지하는 시스템을 구현하였다. 그리고 통계적인 학습 방법을 적용한 비정상 패턴 탐지와의 비교를 통하여 두 가지 비정상 패턴 탐지 결과가 동일함을 확인하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2018.05a
• /
• pp.290-291
• /
• 2018

최근 해상교통량이 증가하고 연안 항해에 대한 관제 필요성이 요구되면서 선박 교통 관제구역이 점차 확대되는 추세이다. 이러한 관제구역의 확대는 관제사의 업무 부하를 초래하며, 이로 인해 교통 혼잡 시간대와 같이 교통량이 급증하는 경우 관제사가 위험 상황을 인지하지 못하는 상황도 발생하게 된다. 이러한 배경에서 본 논문에서는 관제 업무의 지원을 위해 이상 거동 선박을 자동으로 식별하는 방법을 제안하고자 한다. 제안하는 방법은 기계학습 기술을 기반으로 관제구역 내의 통항 패턴을 모델링하고, 이를 통해 이상 거동 선박을 식별하는 방법으로, 대상 항만의 누적된 AIS 데이터를 이용하여 모델을 학습하며, 실제 항적 및 시뮬레이션 데이터를 이용한 실험을 통해 선박교통관제시스템에의 활용 가능성을 고찰한다.

• Journal of the Korean Society of Industry Convergence
• /
• v.25 no.2_1
• /
• pp.169-176
• /
• 2022

Prognostics and health management (PHM) is recently converging throughout the industry, one of the trending issue is to detect abnormal conditions at decanter centrifuge during water treatment facilities. Wastewater treatment operation produces corrosive gas which results failures on attached sensors. This scenario causes frequent sensor replacement and requires highly qualified manager's visual inspection while replacing important parts such as bearings and screws. In this paper, we propose anomaly detection by measuring the vibration of the decanter centrifuge based on the video camera images. Measuring the vibration of the screw decanter by applying the optical flow technique, the amount of movement change of the corresponding pixel is measured and fed into the LST M model. As a result, it is possible to detect the normal/warning/dangerous state based on LSTM classification. In the future work, we aim to gather more abnormal data in order to increase the further accuracy so that it can be utilized in the field of industry.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.544-546
• /
• 2020

의료 데이터를 이용하여 인공지능 기계학습 연구를 수행할 때 자주 마주하는 문제는 데이터 불균형, 데이터 부족 등이며 특히 정제된 충분한 데이터를 구하기 힘들다는 것이 큰 문제이다. 본 연구에서는 이를 해결하기 위해 GAN(Generative Adversarial Network) 기반 고해상도 의료 영상을 생성하는 프레임워크를 개발하고자 한다. 각 해상도 마다 Scale 의 Gradient 를 동시에 학습하여 빠르게 고해상도 이미지를 생성해낼 수 있도록 했다. 고해상도 이미지를 생성하는 Neural Network 를 고안하였으며, PGGAN, Style-GAN 과의 성능 비교를 통해 제안된 모델이 양질의 고해상도 의료영상 이미지를 더 빠르게 생성할 수 있음을 확인하였다. 이를 통해 인공지능 기계학습 연구에 있어서 의료 영상의 데이터 부족, 데이터 불균형 문제를 해결할 수 있는 Data augmentation 이나, Anomaly detection 등의 연구에 적용할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.122-123
• /
• 2022

최근 들어 인공지능에 대한 발달과 많은 매체들로 인해 사람들의 관심이 증가하고 있다. 또한 GPS 나 Beacon 과 같이 위치 측위 기술이 증가함에 따라 실외 측위 기술이 많이 발달되었고, 실내에서도 사용자의 정확한 위치를 측정할 수 있는 기술들이 발달되고 있다. 본 논문에서는 RNN 알고리즘을 이용하여 비콘을 통해 수집된 사용자의 반복적이고 순차적인 위치정보, 타임스탬프 데이터를 학습시키고 ECG 를 결합하여 사용자 인증을 하여 사용자의 시간별 위치 예측과 이상 징후 탐지 시스템을 제안하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.555-557
• /
• 2023

해양의 영향을 많이 받는 우리나라의 지리적 특성상 해양 상황은 산업 및 생업과 밀접한 관계가 있다. OPEN API 를 이용하여 유향/유속, 조위등 해양 환경관련 실시간 시계열 데이터를 수집한 후 2 차원 공간에 표시하여 순환 신경망 모델을 이용하여 학습한다. 학습된 모델을 실제 데이터에 적용하여 파랑을 예측한다. 시계열의 성격이 있고 공간상에 표시할 수 있는 데이터라면 본 논문에서 제시한 체계를 통해 예측할 수 있을 것이라 예상한다.

• Journal of Korea Society of Digital Industry and Information Management
• /
• v.19 no.4
• /
• pp.13-27
• /
• 2023

In this study, we tried to identify research trends on artificial intelligence security focusing on the United States, United Kingdom, and South Korea. In Elsevier's Scopus We collected 4,983 papers related to artificial intelligence security published from 2018 to 2022 and by using the abstracts of the collected papers, Keyword frequency and centrality analysis were conducted. By calculating keyword frequency, keywords with high frequency of appearance were identified and through the centrality analysis, central research keywords were identified by country. Through the analysis results, research related to artificial intelligence, machine learning, Internet of Things, and cybersecurity in each country was conducted as the most central and highly mediating research. The implication for Korea is that research related to cybersecurity, privacy, and anomaly detection has lower centralities compared to the United States and research related to big data has lower centralities compared to United Kingdom. Therefore, various researches that intensively apply artificial intelligence technology to these fields are needed.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.362-363
• /
• 2024

최근 자동차의 네트워크화와 연결성이 증가함에 따라, CAN(Controller Area Network) bus 의 설계상 취약점이 보안 위협으로 대두되고 있다. 이에 대응하여 CAN bus 의 취약점을 극복하고 보안을 강화하기 위해 머신러닝을 활용한 침입 탐지 시스템에 대한 연구가 필요하다. 본 논문은 XGBoost 를 활용한 비정상 분류 방법론을 제안한다. 고려대학교 해킹 대응 기술 연구실에서 개발한 데이터 세트를 기반으로 실험을 수행한 결과, 초기 모델의 정확도는 96%였다. 그러나 추가적으로 TimeDiff(발생 간격)과 DataDiff(바이트의 차분 값)을 모델에 통합하면서 정확도가 3% 상승하였다. 본 논문은 향후에 보다 정교한 머신러닝 알고리즘과 데이터 전처리 기법을 적용하여 세밀한 모델을 개발하고, 업체의 CAN Database 를 활용하여 데이터 분석을 보다 정확하게 수행할 계획이다. 이를 통해 보다 신뢰성 높은 자동차 네트워크 보안 시스템을 구축할 수 있을 것으로 기대된다.