• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권3호
• /
• pp.91-98
• /
• 2021

오늘날 정보통신 기술이 급격하게 발달하면서 IT 인프라에서 보안의 중요성이 높아졌고 동시에 지능형 지속 공격(Advanced Persistent Threat)처럼 고도화되고 다양한 형태의 사이버 공격이 증가하고 있다. 점점 더 고도화되는 사이버 공격을 조기에 방어하거나 예측하는 것은 매우 중요한 사안으로, NIDS(Network-based Intrusion Detection System) 관련 데이터 분석만으로는 빠르게 변형하는 사이버 공격을 방어하지 못하는 경우가 많이 보고되고 있다. 따라서 현재는 HIDS(Host-based Intrusion Detection System) 데이터 분석을 통해서 위와 같은 사이버 공격을 방어하는데 침입 탐지 시스템에서 생성된 데이터를 이용하고 있다. 본 논문에서는 기존에 사용되었던 데이터 세트에서 결여된 스레드 정보, 메타 데이터 및 버퍼 데이터를 포함한 LID-DS(Leipzig Intrusion Detection-Data Set) 호스트 기반 침입 탐지 데이터를 이용하여 기계학습 알고리즘에 관한 비교 연구를 진행했다. 사용한 알고리즘은 Decision Tree, Naive Bayes, MLP(Multi-Layer Perceptron), Logistic Regression, LSTM(Long Short-Term Memory model), RNN(Recurrent Neural Network)을 사용했다. 평가를 위해 Accuracy, Precision, Recall, F1-Score 지표와 오류율을 측정했다. 그 결과 LSTM 알고리즘의 정확성이 가장 높았다.

• 한국산학기술학회논문지
• /
• 제22권2호
• /
• pp.705-713
• /
• 2021

케이지 조립체는 발사대의 사격 플랫폼 역할을 하므로 목표물에 대한 사격 정확성을 확보하기 위한 정확한 조준이 필수적이다. 그러나 천무 발사대의 방향성 오류로 인한 케이지의 비정상적인 회전으로 장비에 대한 품질 문제가 지속적으로 발생하였다. 이러한 무기체계의 품질문제는 우리 군의 전력 손실에 큰 영향을 미칠 수 있다. 본 연구에서는 현재 운용중인 천무 발사대 케이지의 방향성 오류 현상을 대상으로 결함 고찰 및 원인분석을 수행하여, 개선방안을 도출하였다. 또한 케이지 방향 결정 신호 흐름 구성 분석을 통해 방향성 오류 발생이 가능한 예상 원인을 모두 도출하여 소프트웨어 방어 설계를 통해 방향성 상실 문제를 완전 차단하고자 하였다. 본 연구를 통해 데이터의 불특정한 신호를 방지하여 레졸버의 신호오류를 개선하였다. 또한 데이터의 왜곡을 최소화하기 위하여, 방향성 판단방식을 개선하였다. 마지막으로 케이지 회전방향에 대한 데이터가 저장오류나 통신오류로부터 영향을 받지 않도록 방향성 저장공간과 확인방식을 개선하였다. 개선사항에 대한 신뢰성은 체계 적용성 검증을 수행하여 입증되었다. 본 연구는 향후 유사무기체계에 대한 고장분석 및 설계에 참고자료가 될 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1349-1365
• /
• 2020

최근 스마트 시티, 디지털 트윈 등에 실제 3차원 좌표를 취득할 수 있는 이점에 따라 포인트 클라우드를 이용한 모델 생성에 관한 연구가 늘어나고 있으며, 건물 형상 및 텍스처의 수정이 용이한 솔리드 모델에 대한 요구가 늘어나고 있다. 이에 따라 본 논문에서는 포인트 클라우드 데이터를 기반으로 군집형 솔리드 건물 모델을 생성하는 방법을 제안한다. 제안하는 방법은 총 다섯단계로 구성된다. 첫 단계에서는 포인트 클라우드의 평면성 분석을 통해 지면을 제거하였다. 두 번째 단계에서는 지면이 제거된 포인트 클라우드에서 건물 영역을 추출하였다. 세 번째 단계에서는 건물의 세부 구조물 영역을 추출하였다. 네 번째 단계에서는 추출된 영역에 3차원 좌표정보가 부여된 3차원 건물 모델의 형상을 생성하였다. 마지막 단계에서는 건물 모델 형상에 텍스처를 부여하여 3차원 건물 솔리드 모델을 생성하였다. 제안하는 방법의 검증을 위하여 상용 소프트웨어를 이용해 무인항공기 영상으로부터 포인트 클라우드를 추출하여 실험하였다. 그 결과, 포인트 클라우드 내에 존재하는 일정 높이 이상의 모든 건물에 대하여 포인트 클라우드 대비 위치오차 1 m 내외의 3차원 건물 형상을 생성하고, 원본 영상 해상도 대비 2배 이내의 해상도를 갖는 텍스처링이 수행된 3차원 모델이 생성되는 것을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.133-140
• /
• 2022

우리는 유학생이 작성한 한국어 쓰기 답안지의 점수 구간을 예측하는 문제에서 세 개의 딥러닝 기반 한국어 언어모델의 예측 성능을 조사한다. 이를 위해 총 304편의 답안지로 구성된 실험 데이터 세트를 구축하였는데, 답안지의 주제는 직업 선택의 기준('직업'), 행복한 삶의 조건('행복'), 돈과 행복('경제'), 성공의 정의('성공')로 다양하다. 이들 답안지는 네 개의 점수 구간으로 구분되어 평어 레이블(A, B, C, D)이 매겨졌고, 총 11건의 점수 구간 예측 실험이 시행되었다. 구체적으로는 5개의 '직업' 답안지 점수 구간(평어) 예측 실험, 5개의 '행복' 답안지 점수 구간 예측 실험, 1개의 혼합 답안지 점수 구간 예측 실험이 시행되었다. 이들 실험에서 세 개의 딥러닝 기반 한국어 언어모델(KoBERT, KcBERT, KR-BERT)이 다양한 훈련 데이터로 미세조정되었다. 또 두 개의 전통적인 확률적 기계학습 분류기(나이브 베이즈와 로지스틱 회귀)도 그 성능이 분석되었다. 실험 결과 딥러닝 기반 한국어 언어모델이 전통적인 기계학습 분류기보다 우수한 성능을 보였으며, 특히 KR-BERT는 전반적인 평균 예측 정확도가 55.83%로 가장 우수한 성능을 보였다. 그 다음은 KcBERT(55.77%)였고 KoBERT(54.91%)가 뒤를 이었다. 나이브 베이즈와 로지스틱 회귀 분류기의 성능은 각각 52.52%와 50.28%였다. 학습된 분류기 모두 훈련 데이터의 부족과 데이터 분포의 불균형 때문에 예측 성능이 별로 높지 않았고, 분류기의 어휘가 글쓰기 답안지의 오류를 제대로 포착하지 못하는 한계가 있었다. 이 두 가지 한계를 극복하면 분류기의 성능이 향상될 것으로 보인다.

• 지적과 국토정보
• /
• 제51권2호
• /
• pp.5-20
• /
• 2021

지하공간통합지도는 2014년도에 전국적으로 발생했던 싱크홀을 계기로 15종의 지하정보를 통합한 국가공간정보로서, 2015년부터 지속적으로 구축되고 있다. 그러나 최근까지도 온수관 파열, 통신구 화재, 지반 침하 등과 같은 지하공간에서의 재난·재해가 지속적으로 발생함에 따라 지하정보의 품질 향상에 대한 요구가 증대되고 있는 실정이다. 이에 본 논문에서는 지하공간통합지도 데이터의 품질 향상을 위한 방안을 마련하고자 하였다. 특히 지하공간통합지도를 통해 관리되는 15종의 지하정보 중 신규 구축 비중이 가장 높은 지하시설물(구조물형) 데이터의 품질검증 개선 방안을 제시하였다. 대부분 육안검수로 진행되고 있는 현재의 검수 방식을 개선하기 위해 품질검사 기준을 좀 더 구체화·세분화하고자 하였다. 이를 위해 현재 품질요소, 세부요소, 세세부요소, 품질검사 기준으로 구성된 검사항목에 품질검사 방법, 품질검사 규칙, Flow Diagram, 해결 가능 오류 유형 항목을 추가하여 속성정보 뿐 아니라 도형정보까지 소프트웨어로 자동검수하기 위한 알고리즘을 개발하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권7호
• /
• pp.49-55
• /
• 2022

본 논문에서는 날씨와 같은 외부 환경요인에도 강건하게 동작할 수 있는 장애물 감지 기법을 제안한다. 특히, DB 기반의 특징 매칭과 RANSAC(RANdom SAample Consensus)기반의 다중 평면 방식을 통해 증강현실(Augmented Reality, AR)에서 정확하게 위험 상황을 알려줄 수 있는 장애물 감지 시스템을 제안한다. RGB카메라로부터 얻은 영상을 기반으로 장애물을 검출하는 접근법은 영상에 의존하기 때문에 조명에 따른 특징 검출이 부정확하고, 조명이나 자연광 또는 날씨의 영향을 받기 때문에 장애물 검출이 어려워진다. 또한, 복잡한 지형에서 생성되는 다수의 평면은 장애물을 감지하는데 있어서 오차가 커지는 원인이 된다. 이 문제를 완화하기 위해 본 논문에서는 DB기반의 특징 매칭을 통해 조명에 관계없이 장애물을 효율적이고 정확하게 감지한다. 또한, 다중 평면을 RANSAC을 통해 단일 평면으로 정규화하여 특징점을 분류하기 위한 기준을 새롭게 계산한다. 결과적으로 제안하는 방법은 조명, 자연광, 날씨에 관계없이 효율적으로 장애물을 감지할 수 있고, 높낮이나 다른 지형에서도 안정적으로 표면을 감지할 수 있기 때문에 사용자의 안전성 확보에 활용할 수 있을 거라 기대한다. 제안하는 방법은 모바일 디바이스에서 실험한 결과가 대부분 안정적으로 실내/외의 장애물들을 인지하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권10호
• /
• pp.11-17
• /
• 2022

본 논문에서는 증강현실 기술을 적용하여 실내 가구 인테리어를 배치하는데 작업의 효율성을 높일 수 있는 모델을 연구하였다. 현재 증강현실을 적용한 기존 시스템에서는 가구의 이미지를 출력할 때 기업 제품의 규모와 성격 등에 따라 정보가 제한적으로 제공되는 문제가 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 AR 레이블링 알고리즘을 제시하였다. AR 레이블링 알고리즘은 촬영된 이미지에서 특징점을 추출하고 실내 위치 정보를 포함한 데이터베이스를 구축하였다. CNN 기법을 활용하여 실내 공간에서 가구의 위치 데이터를 검출해 학습시키는 방법을 채택하였다. 학습한 결과를 통해 실내 위치와 학습시켜 나타낸 위치와의 오차를 현저히 낮출 수 있다는 것을 확인한다. 또한 가구의 정확한 이미지 추출과 함께 가구에 대한 상세한 정보를 받아 사용자가 원하는 가구들을 증강현실을 통해 쉽게 배치할 수 있도록 하는 연구를 진행하였다. 연구 결과 모델의 정확도와 손실률이 99%, 0.026으로 나타나 신뢰성을 확보하여 본 연구가 유의미함을 알 수 있었다. 본 연구 결과는 AR 레이블의 설계, 구현을 통해 원하는 가구들을 실내에 정확히 배치하여 소비자의 만족도와 구매 욕구를 충족시킬 수 있을 것으로 기대된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권6호
• /
• pp.259-266
• /
• 2023

기계학습을 통해 학습된 모델은 업무 활용 시 그 성능을 실측하기 매우 어렵다. 때문에 운영 부서에서는 모델의 성능을 효과적으로 관리하지 못한다. 이로 인해 모델의 상태를 판단하기 위한 Concept drift 탐지 방법이 다양하게 연구되고 있다. 운영 부서에서는 운영 중인 모델의 성능을 정량적으로 관리하려고 한다. 그러나 Concept drift는 모델 상태를 데이터 관계적으로 판단 할 뿐, 모델의 정량적 성능 수치를 추정하지는 못한다. 본 연구에서는 Concept drift의 통계량을 통해 정량적으로 precision 값을 추정하는 성능 예측 모델(PPM, Performance prediction model)을 제안한다. 제안 모델의 Algorithm 1에서는, 학습데이터에서 복원 추출한 샘플링 데이터에 인위적인 drift를 유도하고 이때의 precision을 측정하여 drift와 precision의 데이터 셋을 만들어 학습한다. Algorithm 2에서는 테스트 데이터를 통해 실제 precision과 예측 precision의 차이를 측정하여 성능 예측 모델의 오차를 보정 한다. 현실 비즈니스에서 사용될 수 있는 대출 심사 모델과 신용카드 오사용 탐지 모델에 PPM을 적용하여 성능 예측의 유효성을 확인했다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권9호
• /
• pp.387-398
• /
• 2023

코로나 19 유행은 인류 생활 방식과 패턴에 큰 영향을 주었다. 코로나 19는 침 방울(비말)은 물론 공기를 통해서도 감염되기 때문에 가능한 대면 접촉을 피하고 많은 사람이 가까이 모이는 장소는 피할 것을 권고하고 있다. 코로나 19 환자와 접촉했거나 코로나 19 환자가 발생한 장소에 있었던 사람이 코로나 19에 감염되었을 것을 염려한다면 구글에서 코로나 19 증상을 찾아볼 것이라고 충분히 예상해 볼 수 있다. 본 연구에서는 과거 독감 감시와 관리에 중요 역할을 했었던 구글 트렌드(Google Trends)를 다시 소환하고 코로나 19 확진자수 데이터와 결합하여 미래의 코로나 19 확진자수를 예측할 수 있을지 딥러닝 모델(DNN & LSTM)을 사용한 탐색적 데이터 분석을 실시하였다. 특히 이 연구에 사용된 검색어 빈도 데이터는 공개적으로 사용할 수 있으며 사생활 침해의 우려도 없다. 심층 신경망 모델(DNN model)이 적용되었을 때 한국에서 가장 많은 인구가 사는 서울(960만 명)과 두 번째로 인구가 많은 부산(340만 명)에서는 검색어 빈도 데이터를 포함하여 예측했을 때 더 낮은 오류율을 기록했다. 이와 같은 분석 결과는 검색어 빈도 데이터가 일정 규모 이상의 인구수를 가진 도시에서 중요한 역할을 할 수 있다는 것을 보여주는 것이다. 우리는 이와 같은 예측이 더 강력한 예방 조치의 실행이나 해제 같은 정책을 결정하는데 근거 자료로 충분히 사용될 수 있을 것으로 믿는다.

• 한국항해항만학회지
• /
• 제47권1호
• /
• pp.10-17
• /
• 2023

최근 자율운항선박 개발을 위한 연구가 국내외에서 추진 중에 있다. 자율운항선박 개발에서 핵심기술 중 하나는 항로추종인데, 항로추종은 선박의 안전성 확보에 중요하기 때문에 자율운항선박 설계 시 사전평가 해야 한다. 본 연구의 목적은 자율운항선박 설계 시 항로추정성능의 시각적 및 정량적 평가기법을 개발하기 위한 것이다. 이 평가기법은 전산유체역학 기반의 자유 항주 모델과 LOS(Line-of-Sight) 알고리즘을 연계하여 개발하였다. 평가기법 중, 시각적 평가는 항로추종 중인 선박에 의해 생성되는 파계를 전산유체역학 소프트웨어를 이용하여 가시화하여 평가하고, 정량적 평가는 목표 선수방위각과 추정 선수방위각 사이의 차이 값과 계획항로와 추종항로 사이의 거리 차이 값을 이용하여 평가하였다. 항로추종성능 평가 결과, 항로추종 중 변침지점 부근에서 항로이탈편차가 크게 발생함을 알았고, 또한 선박 주위 유동의 시각화를 통해 선박 주위 유체 현상을 쉽게 파악할 수 있었다. 본 연구에서 제안한 평가기법은 자율운항선박 설계 시 항로추정성능 평가에 관한 시각적 및 정량적 평가에 기여할 것으로 기대된다.