• 한국인터넷방송통신학회논문지
• /
• 제12권4호
• /
• pp.201-209
• /
• 2012

시점기반 복합 이벤트 처리는 각 이벤트에 하나의 타임스탬프를 사용하여 즉각적인 이벤트를 처리한다. 하지만, 시점기반의 이벤트 처리로는 이벤트의 활동 기간이 중요한 역할을 하는 금융, 멀티미디어, 의학, 기상학 같은 분야에서 복합적인 시제 관계를 표현하기에는 불충분하다. 실세계의 애플리케이션 분야에서, 이벤트는 기간을 가지며, 두 종류 이상의 이벤트는 시간적으로 겹쳐질 수도 있고, 하나의 이벤트가 다른 이벤트를 포함할 수도 있다. 이런 종류의 이벤트들에 대한 관계는 시점기반 이벤트처럼 연속적이지 않을 수도 있다. 본 논문에서는 기간기반 이벤트를 사용하여 복합 이벤트의 패턴을 검출하는 방법을 설계하고 구현한다. 기간기반 이벤트는 시점기반 이벤트가 다룰 수 없는 이벤트들 사이의 겹침과 포함관계를 표현할 수 있다. 기간기반 이벤트 연산자는 시작 끝점과 종료 끝점을 사용하여 이벤트의 기간을 나타내고, 기간기반 이벤트의 시퀀스를 표현하여 복합 이벤트 패턴을 검출할 수 있다. 본 논문에서는 복합 이벤트 패턴 검출의 효율성을 높이기 위해 활성 인스턴스 스택을 사용하는 알고리즘을 제시하며, 이벤트의 시퀀스를 구성할 때 중간 결과의 개수를 줄이기 위해 윈도우 푸시다운 기법을 적용하여 수행시간과 메모리의 효율을 높인다.

• 한국콘텐츠학회논문지
• /
• 제10권1호
• /
• pp.114-121
• /
• 2010

본 연구에서는 CEP(Complex Event Processing) 기법을 사용하여 온라인 게임에서 사용자 악용을 실시간 감지하기 위한 효율적인 방법을 제시한다. CEP는 대규모 정보시스템에서 발생하는 복잡한 이벤트 패턴을 발견하는 기법이다. 본 연구에서는 게임 사용자가 게임 서버에 접속하여 게임을 수행하는 과정에서 발생하는 이벤트들을 관찰하면서 규칙에 위배되는 행위를 검출하기 위하여 CEP 기법을 사용한다. 사용자들이 자주 악용할 가능성이 있는 이벤트 패턴을 미리 복합 이벤트로 설정하여 CEP 엔진에 등록해 두고, CEP 엔진은 게임 서버에서 발생하는 이벤트를 실시간에 필터링하여 사용자 악용을 감시하는 방법이다.

• 산업경영시스템학회지
• /
• 제39권2호
• /
• pp.129-137
• /
• 2016

To identify the cause of the error and maintain the health of system, an administrator usually analyzes event log data since it contains useful information to infer the cause of the error. However, because today's systems are huge and complex, it is almost impossible for administrators to manually analyze event log files to identify the cause of an error. In particular, as OpenStack, which is being widely used as cloud management system, operates with various service modules being linked to multiple servers, it is hard to access each node and analyze event log messages for each service module in the case of an error. For this, in this paper, we propose a novel message-based log analysis method that enables the administrator to find the cause of an error quickly. Specifically, the proposed method 1) consolidates event log data generated from system level and application service level, 2) clusters the consolidated data based on messages, and 3) analyzes interrelations among message groups in order to promptly identify the cause of a system error. This study has great significance in the following three aspects. First, the root cause of the error can be identified by collecting event logs of both system level and application service level and analyzing interrelations among the logs. Second, administrators do not need to classify messages for training since unsupervised learning of event log messages is applied. Third, using Dynamic Time Warping, an algorithm for measuring similarity of dynamic patterns over time increases accuracy of analysis on patterns generated from distributed system in which time synchronization is not exactly consistent.

• 한국콘텐츠학회논문지
• /
• 제11권12호
• /
• pp.71-77
• /
• 2011

CEP(Complex Event Processing)는 대규모 정보시스템에서 발생하는 복잡한 이벤트 패턴을 발견하는 기법이다. 게임 사용자가 게임 서버에 접속하여 게임을 수행하는 과정에서 발생하는 이벤트들을 관찰하면서 규칙에 위배되는 행위를 검출하기 위하여 CEP 기법을 사용하는 방법이 제안된 바 있다. 본 연구는 실제 게임서버 DB를 이용하여 선행 연구를 통해 제안된 모니터링 방법에 적용하여 보았다. 이를 통해 CEP 기반의 온라인서비스 감시가 대규모 사용자들이 이용하는 온라인 게임의 부정한 사용자들을 찾아내고 감시하는 것에 효과적임을 관찰하였다.

• 센서학회지
• /
• 제31권1호
• /
• pp.16-23
• /
• 2022

Cardiac disease is the most common cause of death worldwide. Therefore, detection and classification of electrocardiogram (ECG) signals are crucial to extend life expectancy. In this study, we aimed to implement an artificial intelligence signal recognition system in field programmable gate array (FPGA), which can recognize patterns of bio-signals such as ECG in edge devices that require batteries. Despite the increment in classification accuracy, deep learning models require exorbitant computational resources and power, which makes the mapping of deep neural networks slow and implementation on wearable devices challenging. To overcome these limitations, spiking neural networks (SNNs) have been applied. SNNs are biologically inspired, event-driven neural networks that compute and transfer information using discrete spikes, which require fewer operations and less complex hardware resources. Thus, they are more energy-efficient compared to other artificial neural networks algorithms.