• 융합신호처리학회논문지
• /
• 제17권2호
• /
• pp.83-92
• /
• 2016

본 논문에서는 한국우주전파관측망의 성능 확장을 위해 광대역 관측시스템의 시험 및 결과에 대해 소개한다. KVN은 1024Mbps 속도로 VLBI 관측을 수행하는데, 4주파수 동시관측을 위한 8192Mbps 관측은 정규 운영을 위해 시험하고 있다. 세계 여러 VLBI 관측국에서는 높은 정밀도와 고분해능의 천체를 관측하기 위해 광대역 관측시스템을 독자적으로 개발하거나 여러 나라와 협력하고 있다. KVN은 K/Q//W/D 밴드의 RF 신호를 주파수 변환을 하지 않고 한 주파수 대역에 대해 최대 2048MHz 대역폭을 직접 샘플링하는 OCTAD 고속샘플러를 도입할 계획이다. 따라서 KVN의 성능확장을 위한 사전연구로서 일본국립천문대와의 협력을 통하여 OCTAD 고속샘플러와 데이터 기록을 위한 OCTADISK2 고속기록기를 현장에 설치한 후, 광대역 관측시험을 통하여 성능을 확인하고 그 결과를 본 논문에서 고찰하고자 한다.

• 한국정보과학회논문지:정보통신
• /
• 제30권3호
• /
• pp.407-415
• /
• 2003

다수의 수신자들이 하나의 송신자로부터 동일한 데이타를 받는 실시간 멀티미디어 서비스나 파일 전송 서비스 둥이 일반화되면서 멀티캐스트와 같은 효율적인 그룹통신 메커니즘에 대한 관심이 증대되고 있다. 유니캐스트에 비해 적은 대역폭을 쓰며 그룹관리가 용이한 멀티캐스트의 효율성이 부각되면서, 확장성 및 신뢰성을 보장하기 위한 다양한 프로토콜들이 제안되었다. 최근에는 망의 트리 구조를 알고 있는 라우터를 기반으로 물리적인 트리를 구성하여 지역그룹내의 응답자(replier)를 선정하고 손실된 패킷에 대한 재전송을 처리해 주는 방법에 대한 연구가 진행되고 있다. 이 경우, 지역그룹내의 응답자는 망의 상태에 따라 임의적으로 선택되므로 멀티캐스트 그룹내의 모든 수신자들은 응답자가 될 가능성이 있다. 따라서 그룹내의 모든 수신자들은 손실 복구를 위한 버퍼를 유지하며 이 버퍼에 수신한 패킷들을 저장한다. 이는 그룹내 모든 수신자들이 불필요한 패킷을 항상 버퍼에 유지해야 하는 오버헤드를 가짐을 뜻한다. 따라서 본 논문에서는 더 이상 손실 복구 요청을 받지 않게 될 불필요한 패킷을 미리 판단하여 수신자들의 버퍼에서 패킷들을 지울 수 있게 함으로써, 불필요한 자원손실을 막는 방법을 제안한다. 제안된 방법에서는 LSM[1] 모델을 기반으로 응답자 선정 및 패킷 손실 복구를 하며, 지역그룹을 대표하는 삭제자(eraser)로부터의 ACK를 사용하여 불필요한 패킷을 판단하고 버퍼에서 해당 패킷을 지운다.

• 정보보호학회논문지
• /
• 제22권1호
• /
• pp.43-56
• /
• 2012

무선 센서 네트워크는 재사용이 불가능한 배터리와 제한된 처리능력, 저장 공간을 갖는 다량의 소형 노드로 이루어진다. 이 네트워크에서 노드들은 광범위한 영역에 배치되게 되며 이 노드들은 또한 무선 링크를 통해 노드들 사이에 단거리 통신을 수행한다. 네트워크의 에너지 효율을 위해 동적 클러스터링 기법이 네트워크 수명, 확장, 부하 분산에 효과적인 수단이다. 이 기법은 다수의 노드에 의해 수집되는 데이터가 클러스터 헤드 노드에 의해 집성되어 재전송되는 특징이 있어 해당 노드가 공격자에 노출될 경우 네트워크의 안전을 보장할 수 없게 된다. 그러므로 이러한 클러스터링 기법의 안전한 통신을 위해 노드들 사이에 전송되는 메시지의 암호화와 클러스터 헤드 노드의 보안 유지가 중요하다. 특히, 에너지 효율을 목적으로 설계된 클러스터 기반 프로토콜에서 충분한 데이터 안정성을 보장하기 위해서는 클러스터 구조에 적합한 키 관리 및 인증 기법이 필요하다. 이에 본 논문에서는 계층 클러스터 구조를 갖는 센서 네트워크에 적합한 키 관리 기법을 제안한다. 제안하는 기법은 다항식 키 풀 기반 기법에 기초하며 키 인증 절차를 통해 안정된 네트워크를 유지한다.

• 인터넷정보학회논문지
• /
• 제23권3호
• /
• pp.21-33
• /
• 2022

본 논문은 기업비밀 노출로 초래될 손실을 현격히 줄일 안전 비밀조각 공유 시스템을 제안한다. 본 연구 시스템은 중앙서버 방식이 아닌 효율적 P2P 분산 시스템을 제안한다. 최근 비트코인 유통 시스템도 역시 P2P 분산 방식을 사용하고 있다. 본 연구는 기능이 단순하고 확장성이 높고 전송 효율적인 토렌트 P2P 분산 구조와 그 프로토콜을 사용하여 토렌트 파일조각 대신 임계 샤미르(Shamir) 비밀조각의 보안 유통을 설계한다. 본 연구는 임계 샤미르 비밀조각 공유기법 (Threshold Shamir Secret Sharing Scheme)을 시스템에 적용하고. 동시에 다중 협동장치의 서명기법을 사용하여 안전하고 강력한 다중인증방식의 사용자 인증을 수행한다. 안전한 비밀 데이터 유통도 공개키로 암호화 교환된 임시키의 대칭암호방식의 효율적 암호화로 전송을 한다. 짧은 유효기간의 임시키는 세션 동안 생성되고 세션 마감후 소멸하므로 키 노출에서 안전하다. 특별히 본 제안한 시스템의 특징은 임계 분산기법을 효율적 토렌트 P2P 분산 시스템에 구조적 변경없이 효과적으로 적용한다. 동시에 본 시스템은 효율적인 임시키 대칭암호방식으로 비밀파일 유통에 기밀성을 보장하고 임시키는 공개키 암호방식으로 안전하게 교환된다, 본 시스템은 외부 유출 기기도 사용자로 동적 등록이 가능하다. 이 확장성으로 기밀성과 인증성을 동적으로 등록된 사용자에게도 적용할 수 있다.

• 사물인터넷융복합논문지
• /
• 제8권5호
• /
• pp.93-98
• /
• 2022

디지털 신기술의 발전으로 인하여 다양한 학습도구에 대한 연구가 활발히 진행이 되고 있다. 이러한 학습도구에도 인공지능에 대한 기술을 적용하거나 빅데이터 기술 등을 적용한 스마트한 기능을 통한 학습도구들이 여러 가지 환경에 적용되도록 개발되어지고 있다. 이러한 스마트한 학습 도구들은 교육적인 효과와 학습의 효율을 높이는데 많은 기여를 하고 있다. 최근 대학에서도 다양한 학습도구들이 적용이 되면서 스마트 출결부터 스마트 학습을 위한 솔루션들을 도입하여 학생들의 학습효율을 위한 노력을 기울이고 있다. 본 연구에서는 이러한 대학의 스마트 학습 도구를 통한 기업의 맞춤형 프로젝트를 진행할 때 프로젝트 진행에 대한 효율성을 높이고 결과에 대한 확장성을 높일 수 있는 스마트 학습도구에 대한 설계를 제안하고자 한다. 제안된 스마트한 학습 도구는 실무 능력을 향상시킬수 있는 기업 맞춤형 프로젝트들이 원활하게 학습도구로 활용이 되어 실무형 기업 프로젝트에 쉽게 적용할 수 있는 장점을 가질 것으로 기대된다. 제안된 프로젝트 기반의 스마트한 학습 도구 모델은 추후에 관련 LMS로 구축이 되어 실질적인 프로젝트 진행에 적용하여 활용성을 확인하고 제안된 스마트 학습 도구 모델에 대한 부분을 수정 보완하여 프로젝트 기반의 스마트한 학습기능을 강화하고자 한다.

• 한국시뮬레이션학회논문지
• /
• 제18권2호
• /
• pp.29-38
• /
• 2009

이기종의 자원들로 이루어진 컴퓨팅 환경에서 효율적인 자원 활용과 대용량의 데이터를 고속으로 처리하기 위해서는 실시간으로 변화하는 자원의 상태에 따라 대처 할 수 있는 동적인 작업 스케줄링 모델이 필요하다. 현재 이기종의 자원들에게 작업을 어떻게 분배 및 할당 할 것인지에 대하여 많은 자원 평가 방법 및 휴리스틱 기법들이 연구되었으나 이러한 방법들은 표준언어를 사용하지 않기 때문에 시스템 호환 및 확장에 어려움이 많다. 또한 다양한 자원들의 상태가 실시간으로 동적으로 변화하기 때문에 기존 연구에서 제안한 방법으로는 효율적인 처리가 불가능하거나 자원의 상태 변화에 동적으로 대처할 수 없다. 본 논문은 이러한 기존 연구들의 문제에 대한 해결책으로 W3C에서 제정한 온톨로지 표준 언어인 OWL을 이용하여 자원 온톨로지를 구축함으로써 이기종의 자원 관리를 손쉽게 할 수 있으며, 자원의 동적인 변화에 따라 작업 스케줄링하는 방법을 지식기반의 다양한 규칙들로 정의하여 추론을 통해서 최적의 자원에게 작업을 할당하는 시멘틱 컴퓨팅 기반의 동적 작업 스케줄링 모델을 제안한다. 시뮬레이션 실험 결과는 본 논문에서 제안한 작업 스케줄링 모델이 기존 모델에 비하여 낮은 작업 손실과 높은 작업 처리율 및 짧은 응답시간을 제공함으로써 이기종의 자원들로 구성된 시스템 전반에 걸쳐 안정적이고 고속의 데이터 처리를 제공할 수 있다는 사실을 증명한다.

• 벤처창업연구
• /
• 제17권5호
• /
• pp.31-47
• /
• 2022

창업 생태계 활성화를 위한 국내 대표적인 민관 협력형 사업인 팁스 프로그램(TIPS)은 기술기반 스타트업을 대상으로 다양한 창업지원을 통해 성공적인 사업화를 촉진하는 정부지원정책이다. 본 연구는 팁스 프로그램의 투자의사 결정요인을 분석하고 우선순위를 도출하는데 목적을 두었다. 이를 위하여, 먼저 문헌분석을 통해 투자의사 결정요인을 도출하고 팁스 프로그램의 심사평가에 참여하는 투자자 및 전문가 대상 델파이 설문조사를 수행한 뒤 투자심사역(VCs) 20명을 대상으로 AHP분석을 실시하여 투자의사 결정에 미치는 요인의 우선순위를 실증 분석하였다. 분석 결과, 상위요인의 중요도는 창업가(팀) > 시장 > 제품·서비스 > 재무 > 네트워크의 순서로 확인되었으며, 세부요인의 중요도는 창업가의 신뢰성 및 진정성 > 시장성장 및 확장가능성 > 팀원들의 전문성 및 역량 > 현 시장규모 적정성 > 신시장 창출 가능성의 순서로 나타났다. 본 연구는 투자자 관점에서 투자 의사결정에 영향을 주는 요인을 도출하여 중요도를 비교 분석함으로써 팁스 프로그램 참여를 준비하는 기술기반 스타트업이 갖추어야 할 역량을 제시하였다. 또한 벤처캐피탈, 액셀러레이터, 창업지원기관 등 창업 생태계 이해관계자들에게 민간 투자 주도형 투자의사 결정요인에 관한 기초 자료를 제시하였다는 데 의의가 있다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.73-92
• /
• 2014

기존 협업 필터링 기법은 사용자들의 아이템에 대한 선호도를 기반으로 유사 아이템 집합 또는 유사 사용자 집합을 구성하고, 이를 이용해 예측된 사용자의 특정 아이템에 대한 선호도를 기반으로 추천을 수행한다. 이로 인해, 사용자 선호도 정보가 부족하게 되면, 유사 아이템 사용자 집합의 신뢰도가 낮아지고, 추천 서비스의 신뢰도 또한 따라서 낮아진다. 또한, 서비스의 규모가 커질수록, 유사 아이템, 사용자 집합의 생성에 걸리는 시간은 기하급수적으로 증가하고 추천서비스의 응답시간 또한 그에 따라 증가하게 된다. 위와 같은 문제점을 해결하기 위해 본 논문에서는 적응형 군집화 기법을 제안하고 이를 적용한 협업 필터링 기법을 제안하고 있다. 이 기법은 크게 네 가지 방법으로 이루어진다. 첫째, 사용자와 아이템의 특성 벡터를 기반으로 사용자와 아이템 각각을 군집화 하여, 기존 협업 필터링 기법에서 유사 아이템, 사용자 집합을 생성하는데 소요되는 시간을 절약하며, 사용자 선호도 정보만을 이용한 부분 집합 생성보다 추천의 신뢰도를 높이고, 초기 평가 문제와 초기 이용자 문제를 일부 해소한다. 둘째, 미리 구성된 사용자와 아이템의 군집을 기반으로 군집간의 선호도를 이용해 추천을 수행한다. 사용자가 속한 군집의 선호도가 높은 순서대로 아이템 군집을 조회하여 사용자에게 제공할 아이템 목록을 구성하여, 추천 시스템의 부하 대부분을 모델 생성 단계에서 부담하고 실제 수행 시 부하를 최소화한다. 셋째, 누락된 사용자 선호도 정보를 사용자와 아이템 군집을 이용하여 예측함으로써 협업 필터링 추천 기법의 사용자 선호도 정보 희박성으로 인한 문제를 해소한다. 넷째, 사용자와 아이템의 특성 벡터를 사용자의 피드백에 따라 학습시켜 아이템과 사용자의 정성적 특성 정량화의 어려움을 해결한다. 본 연구의 검증은 기존에 제안되었던 하이브리드 필터링 기법들과의 성능 비교를 통해 이루어졌으며, 평가 방법으로는 평균 절대 오차와 응답 시간을 이용하였다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.113-129
• /
• 2015

장소 브랜딩은 특정 장소에 대한 의미 부여를 통해 장소성의 정체성 및 공동가치를 생성하며 가치 창출을 하는데 중요한 활동이며, 장소 브랜드에 대한 이미지 파악을 통해 이루어진다. 이에 마케팅, 건축학, 도시건설학 등 여러 분야에서는 인상적인 장소 브랜드의 이미지를 구축하기 위하여 많은 노력을 기울이고 있다. 하지만 설문조사를 포함한 대면조사 방법은 대부분 주관적인 작업이며 측정에 많은 인력 또는 고도의 전문 인력이 소요되어 고비용을 발생시키므로 보다 객관적이면서도 비용효과적인 브랜드 이미지 조사 방법이 필요하다. 이에 본 논문은 텍스트마이닝을 통하여 장소 브랜드의 이미지 강도를 객관적이고 저비용으로 얻는 방법을 찾는 것을 목적으로 한다. 제안하는 방법은 장소 브랜드 이미지를 구성하고 있는 요인과 그 키워드들을 관련 웹문서에서 추출하며, 추출된 정보를 통해 특정 장소의 브랜드 이미지 강도를 측정하는 방법이다. 성능은 안홀트 방법에서 평가에 사용하는 전세계 50개 도시 이미지 인덱스 순위와의 일치도로 검증하였다. 성능 비교를 위해 임의로 순위를 매기는 방법, 안홀트의 설문방식대로 일반인이 평가하는 방법, 본 논문의 방법을 사용하되 안홀트의 방법으로 학습한 것으로 유의한 것으로 추정되는 평가 항목만을 반영하는 방법과 비교하였다. 그 결과 제안된 방법론은 정확성, 비용효율성, 적시성, 확장성, 그리고 신뢰성 측면에서 우수함을 보일 수 있었다. 따라서 본 연구에서 제안한 방법론은 안홀트 방식에 상호 보완적으로 사용될 수 있을 것이다. 향후에는 장소 브랜드 이미지를 형성하는 속성 별로 등장횟수를 계산 한 후에 장소 브랜드에 대한 태도, 연상, 그리고 브랜드 자산과의 인과관계를 자동으로 파악할 수 있는 부분까지 구현하고 실증적 실험을 할 예정이다.