본 논문에서는 환자들의 병력, 약물복용 내역 등 의료 데이터들을 저장하고 응급상황 발생시 이 정보들을 효율적으로 활용하는 구급활동 서비스를 설계한다. 설계된 구급용 의료정보 시스템은 구급데이터 클라우드, 전처리에 의한 사전 매핑 시스템, 구급대원들의 판단과 처치를 지원해주는 정보 제공 시스템 등으로 구성되어 있다. 매핑된 구급활동 리스트를 이용하여 구급대원들은 여러 검사와 조치를 병렬적으로 수행할 수 있어서 표준화된 구급활동의 효율을 높일 수 있다.

작업배치스케줄러는 다수의 사용자에게 클러스터 시스템의 계산 자원을 효과적으로 제공하는 유용한 시스템 소프트웨어이다. 한국과학기술정보연구원에서는 작업배치스케줄러인 PBS와 SLURM을 이용하여 슈퍼컴퓨터 5호기 메인시스템인 누리온과 뉴론을 각각 공동활용서비스하고 있다. 본 논문에서는 뉴론의 제한된 계산자원을 다수의 연구자들에게 효율적으로 서비스하기 위해 SLURM 작업배치스케줄러의 공유노드 정책을 적용하는 방안과 작업통계 분석 기법을 소개한다.

Community detection is a hot topic in social network analysis, and many existing studies use graph theory analysis methods to detect communities. This paper focuses on detecting absolute fair maximal balanced cliques in signed attributed social networks, which can satisfy ensuring the fairness of complex networks and break the bottleneck of the "information cocoon".

최근 코로나 바이러스로 인한 팬데믹이 장기화 되었고 이는 개인의 정신건강에도 많은 악영향을 미치고 있다. 이에 따른 코로나 우울감 해소 방안으로 '감정일기 애플리케이션'을 제안하며 감정 분석을 위해 2차원 좌표계를 사용한다. 이 애플리케이션에서는 사용자가 입력한 좌표값의 평균으로 콘텐츠를 추천하는데, 평균 좌표값이 획일화되어 한 가지 범주에 고착되는 문제가 있다. 이를 해결하고자 본 논문에서는 콘텐츠 평가 변수 및 사용자 성향 변수를 이용하여 평균 좌표값에 변화를 주었다. 이를 통해 사용자에게 보다 적합한 콘텐츠 추천을 기대한다.

사물인터넷 기술이 활성화되면서 원격 접속 및 제어가 가능한 스마트 가전기기의 보급이 증가하고 있다. 이에 따라 스마트 가전 기기의 보안취약점을 이용하여 개인정보 유출, 프라이버시 침해 등 사이버 보안 관련 범죄도 같이 증가하는 추세이다. 최근 저성능 디바이스에서 경량 암호를 이용한 안전성 보장 방안에 대한 연구가 진행 중이나, 저성능 디바이스에서 4K/2160p 이상의 영상 데이터를 실시간으로 암·복호화하는 것은 높은 지연시간을 발생시킨다. 본 연구에서는 하드웨어 기반 암호 알고리즘 가속기를 이용하여 저성능 디바이스에서도 구현 가능한 대용량 영상데이터 실시간 암·복호화 시스템을 제안한다.

3D 프린팅 임플란트 부품은 표면에 결함이 생기기 쉬우므로, 출력 후 표면을 검사하는 과정이 필요하다. 표면 검사를 자동화하기 위해서는 임플란트를 3D 스캔하여 점군 (point cloud)와 같은 스캔 모델로 구성하는 방법이 효과적이다. 스캔 모델을 구성할 때, 임플란트가 일반적인 3D 프린팅 출력물과는 다른 특성들을 가지므로 이에 대한 고려가 필요하다. 본 논문에서는 3D 프린터로 출력된 의료용 임플란트 부품의 특성에 맞게 3D 스캔을 수행하여 스캔 모델을 구성하는 방법을 제안하고, 실험을 통해 생성된 스캔 모델을 보인다.

최근 통신업계에서는 축적된 빅데이터를 활용하여 고객의 특성을 이해하고 맞춤형 마케팅에 이용하려는 노력이 지속되어 왔다. 본 연구에서는 CatBoost 모델을 사용하여 이탈 가능성이 높은 고객을 예측하고 XAI(eXplainable Artificial Intelligence) 기법 중 하나인 SHAP을 적용하여 이탈에 영향을 미치는 요인을 설명하고자 하였다. SHAP의 global explanation 기법을 사용하여 특정 고객 segmentation 에 대한 이해력을 높이고, local explanation 기법을 사용하여 개별 고객에 대한 설명과 개인화 마케팅에 적용 가능성을 제시하였다. 본 연구는 기존의 이탈 예측모델인 블랙박스 모델이 갖는 한계점을 극복하고 고객의 특성을 이해하여 실제 비즈니스에 활용 가능성을 높였다는 점에서 의의를 가진다.

컨테이너 런타임 환경에서 HPC 작업을 실행하는 수요가 증가하고 있으며, 이에 따라 컨테이너 자원 관리의 중요성이 높아지고 있다. 본 연구에서는 HPC 작업 실행에 최적화된 컨테이너 런타임 환경인 Singularity를 대상으로 cgroups 지정 여부에 따른 실행시간을 측정하는 실험을 진행하고 결과를 분석하였다. 이러한 결과는 Singularity 컨테이너 런타임 환경에서 다양한 HPC 작업을 운영할 시 성능 효율을 높일 수 있는 자원 관리 방향을 제시한다.

장애인은 정보 접근 제한과 편의시설 부족의 요인 등으로 인하여 여행 참여율이 낮아 비장애인과 동일한 여행 서비스를 경험하기에 어려움이 있다. 본 연구에서는 장애 요소 조건을 기반으로 가중기반의 알고리즘에 따라 콘텐츠를 추천하는 서비스를 제안하고 이에 따른 애플리케이션을 구현한다. 기존의 흩어져있던 여행지에 관한 정보와 지도 Open API를 이용하여 여행지에 대해 추천을 하는 애플리케이션 개발을 기획한다. 비장애인은 가중 조건과 관계없이 장애인의 경우에는 장애의 분류, 그 경도에 따라 여행 시 고려해야 할 조건에 따른 가중치를 두어 여행콘텐츠를 상단에 띄어 추천해 주는 방식에 대한 연구 결과를 제공하여 누구든 비장애 여행이 가능해지도록 한다.

이벤트 로그(Event Log)는 윈도우 운영체제에서 시스템 로그를 기록하는 형식으로 시스템 운영에 대한 정보를 체계적으로 관리한다. 이벤트는 시스템 자체 또는 사용자의 특정 행위로 인해 발생할 수 있고, 그러한 이벤트 로그는 시스템의 시작과 종료뿐만 아니라 기업 보안 감사, 악성코드 탐지 등 행위의 근거로 사용될 수 있다. 본 논문에서는 PC 종료 관련 실험을 통해 이벤트 로그와 ID를 분석하였다. 분석 결과를 통해 PC의 정상 및 비정상 종료 여부를 판단하여, 현장 압수·수색 시 해당 저장매체에 대해 선별압수·매체압수의 해당 여부 식별이 가능하다. 본 연구는 현장수사관이 디지털증거 압수·수색 시 절차적 적법성과 증거능력 확보의 근거 활용에 기여할 수 있다.

기존 IoE 환경에서 수집데이터는 특정 서비스를 위한 도메인 지식과 연계되어 서비스를 제공한다. 하지만 수집되는 데이터의 유형이 다양하고, 정적인 지식베이스가 상황에 따라 동적으로 변화하는 IoE 환경에서는 기존의 지식베이스 시스템을 통하여 원활한 서비스를 제공할 수 없었다. 따라서, 본 논문에서는 IoE 환경에서 발생하는 대용량/실시간성 데이터를 시맨틱으로 처리하여 공통 도메인 지식베이스와 연계하고 기존의 지식베이스 추론 방법과 기계학습 기반 지식 임베딩 기법을 통하여 지식 증강을 유기적으로 진행하는 빅시맨틱 시스템을 제시한다. 제시한 시스템은 IoE 환경의 멀티모달(정형, 비정형) 데이터를 수집하고 반자동적으로 시맨틱 변환을 수행하여 도메인 지식베이스에 저장하고, 시맨틱 추론을 통해 지식베이스를 증강 시키며 증강된 지식베이스를 포함한 전체 지식베이스를 정형 및 반정형 사용자 쿼리를 통해 지식정보를 사용자에게 제공한다. 또한, 기계학습 기반 지식 임베딩 기법을 통해 학습·예측을 함으로써, 기존의 지식베이스를 증강하는 기능을 수행한다. 본 논문에서 제시한 시스템은 공장내의 에너지 정보를 수집하여 공정 및 설비 상태 및 운영정보를 바탕으로 실시간 제어를 통한 에너지 절감 시스템인 공장 에너지 관리 시스템의 기반 기술로 구현될 예정이다.

Covid-19의 영향으로 직접적인 만남이 줄어들고 온라인 커뮤니티의 사용량이 급격하게 증가하였다. 에브리타임은 대부분의 대학생이 사용하고 있는 가장 보편적인 온라인 커뮤니티이다. 이러한 서비스와 비슷한 방식으로 운영되어 이질감을 느끼지 않으면서도, 직장인의 특성을 고려한 설계로 취업 후에도 지속적으로 사용할 수 있는 커뮤니티 서비스를 제안한다. 이에 본 논문에서는 협업기능을 강화한 직장인을 위한 온라인 커뮤니티이자 익명서비스로 프라이버시를 보호할 수 있는 모바일앱을 설계했다.

Mobile edge computing (MEC), which enables mobile terminals to offload computational tasks to a server located at the user's edge, is considered an effective way to reduce the heavy computational burden and achieve efficient computational offloading. In this paper, we study a multi-user MEC system in which multiple user devices (UEs) can offload computation to the MEC server via a wireless channel. To solve the resource allocation and task offloading problem, we take the total cost of latency and energy consumption of all UEs as our optimization objective. To minimize the total cost of the considered MEC system, we propose an DRL-based method to solve the resource allocation problem in wireless MEC. Specifically, we propose a Asynchronous Advantage Actor-Critic (A3C)-based scheme. Asynchronous Advantage Actor-Critic (A3C) is applied to this framework and compared with DQN, and Double Q-Learning simulation results show that this scheme significantly reduces the total cost compared to other resource allocation schemes

정보통신기술의 (ICT) 발전에 따라 기업은 사용자에게 다양한 서비스를 제공하기 위해 클라우드 서비스 공급자의 클라우드를 활용하고 있다. 클라우드 서비스 공급자는 기업에게 전문적이고 효율적인 클라우드 서비스를 제공하고, 기업은 특별한 클라우드 설치 없이 제공받은 서비스를 활용하여 다양한 서비스를 제공할 수 있다. 최근 클라우드 서비스를 이용하는 기업이 세계적으로 증가함에 따라 클라우드 공급자는 효과적인 서비스를 제공하기 위해 다양한 클라우드 컴퓨팅 기술을 적용하고 있다. 클라우드를 사용하는 기업이 증가함에 따라 클라우드 서버의 수가 증가하고 있으며, 그 중에 해킹을 당하기 때문에 악의적인 노드가 되거나 어떤 불가피한 원인으로 저성능 노드가 되는 경우의 수도 증가하고 있다. 악의적인 노드는 사용자의 보안을 위협하며, 저성능 노드는 효과적인 서비스를 사용자에게 제공할 수 없다. 따라서 서비스 사용자는 다양한 클라우드 서버 중 사용자 수요에 최적화 된 클라우드 노드를 선택하는 기술이 필요하다. 본 논문에서는 효율적인 클라우드 컴퓨팅을 위한 스마트 계약 기반의 노드 선택 기법을 제안한다. 제안하는 노드 선택 기법은 스마트 계약에 따라 사용자가 원하는 서비스에 적합한 클라우드 서버를 선택할 수 있도록 하여 최적화된 클라우드 서비스를 제공한다. 동시에 클라우드 서버들에게 명예 등급에 부여하고 명예 등급이 높을수록 선택되는 확률이 증가한다. 결과적으로 사용자는 효과적인 클라우드 서비스를 선택할 수 있어 효과적인 클라우드 서비스 활용이 가능하다.

5G 시대에 스마트 모바일 기기가 기하급수적으로 증가하면서 멀티 액세스 엣지 컴퓨팅(MEC)이 유망한 기술로 부상했다. 낮은 지연시간 안에 계산 집약적인 서비스를 제공하기 위해 MEC 서버로 오프로딩하는 특히, 태스크 도착률과 무선 채널의 상태가 확률적인 MEC 시스템 환경에서의 오프로딩 연구가 주목받고 있다. 본 논문에서는 차량의 전력과 지연시간을 최소화하기 위해 로컬 실행을 위한 연산 자원과 오프로딩을 위한 전송 전력을 할당하는 심층 강화학습 기반의 오프로딩 기법을 제안하였다. Deep Deterministic Policy Gradient (DDPG) 기반 기법과 Deep Q-network (DQN) 기반 기법을 차량의 전력 소비량과 큐잉 지연시간 측면에서 성능을 비교 분석하였다.

최근 인터넷 기반 서비스에서 사용되는 데이터가 개인화 및 맞춤화가 됨에 따라 사용자의 상황이나 요구사항에 따라 실시간 AI 추론 및 데이터 분석과 같이 데이터를 서비스 요청 즉시 처리해야 하는 실시간 서비스에 대한 요구사항이 증가하고 있다. 하지만, 기존 컨테이너 관리 시스템은 컨테이너의 데드라인 할당 및 관리 기능이 제공되지 않으며, 컨테이너 관리 시스템에서 GPU(Graphic Processing Unit) 작업의 실행과 같은 작업 상태를 알 수 없다. 본 논문에서는 컨테이너에서 실행되는 GPU 작업의 실시간 처리를 지원하기 위해 컨테이너에서 실행되는 GPU 작업의 시작 및 종료 상태의 추적과 데드라인 할당 기법을 위한 실시간 처리 정보 관리 기법을 제안한다.

본 논문은 국방 클라우드를 기반으로 병사 스마트폰 사용에 대한 거버넌스의 방안을 연구한다. 2020 년부터 군 부대 내에서 병사의 스마트폰의 사용이 전면 시행되었다. 하지만 대량의 병사 스마트폰을 인적자원을 통해 관리하기 때문에 많은 인적자원 리소스가 필요하고, 보안이 중요한 부대 특성상 보안 점검을 사유로 인권침해가 발생하고 있다. 따라서 군 부대 특성을 고려한 거버넌스를 정의하고 도입할 필요가 있다. VMI(Virtual Mobile Infrastructure) 시스템을 이용한 국방 클라우드 기반 스마트폰 관리 시스템은 스마트폰을 군 보급품으로 지급하고 모든 스마트폰 프로세스 및 데이터를 중앙 서버를 통해 관리한다. 본 논문에서는 국방 클라우드 기반 스마트폰 거버넌스를 정의하고 중앙 서버를 통해 모든 스마트폰의 프로세스와 데이터를 관리함으로써 얻을 수 있는 기대효과를 관리적, 보안적 측면에서 연구하였다.

최근 세계 클라우드 시장 규모가 증가함에 따라 기업의 클라우드 서비스 이용률과 더불어 개인의 클라우드 서비스 이용률 또한 높은 증가율을 보여주고 있다. 이에 따라 AWS S3, GCP Cloud Storage와 같은 기업용 멀티 클라우드 스토리지 서비스의 효율적인 통합에 대한 연구는 활발하게 이루어지고 있다. 그러나, 이러한 접근법을 개인용 멀티 클라우드 스토리지 서비스의 효율적인 통합에 적용하기에는 가격 모델의 상이함과 더불어 여러 요인에 따른 어려움이 있다. 본 논문에서는 이를 해소하기 위해 기존의 가격 모델을 단순화하여 개인용 멀티 클라우드 스토리지 서비스를 효율적으로 통합하는 방법에 대해 제시한다.

현재 유제품 시장의 규모는 꾸준히 증가 하고 있다. 그리고 4차 산업혁명 시대 도래에 따라 유제품 관련 업계는 신기술 개발 및 고도화에 많은 관심을 갖고 있다. 그렇기 때문에 현재 사용중인 온프레미스 방식의 유통 시스템에도 클라우드 도입을 위한 논의가 진행중이다. 하지만 레거시 시스템은 이미 약 20년 넘는 기간동안 사용되고 있기 때문에, 고도화 작업은 보다 정확하게 계획되어야 한다. 온 프레미스 방식의 클라우드 도입은 단순히 기술적인 부분만 문제 되는 것이 아니다. 유제품 유통 체계의 생태계를 파악하고 이때 발생될 수 있는 문제를 파악해야 된다. 이후 파악할 수 있는 문제점에 대한 현실적인 대안을 고려하여 보다 효율적인 결론을 도출해야 한다.

최근 인프라를 관리할 필요가 없고 폭발적으로 늘어나는 요청을 유연하게 대처할 수 있는 장점 때문에 서버리스 컴퓨팅 사용이 늘어나고 있다. 하지만 서버리스 컴퓨팅은 사용자 코드의 실행 환경을 준비하기 위한 콜드 스타트 과정이 필요하고, 서비스가 복잡해짐에 따라 전체 실행 시간 중 콜드 스타트로 인한 지연시간이 늘어나는 문제가 발생한다. 본 논문에서는 서버리스 컴퓨팅 기반의 워크플로우에 대해 콜드 스타트로 인한 지연 시간을 완화하는 아키텍처 및 기법을 제안한다.

최근 사물 인터넷(IoT)의 발전으로 계산 집약적이거나 지연시간에 민감한 태스크가 증가하면서, 모바일 엣지 컴퓨팅 기술이 주목받고 있지만 지상에 고정되어 있는 MEC 서버는 사용자의 요구사항 변화에 따라 서버의 위치를 변경하거나 유연하게 대처할 수 없다. 이 문제를 해결하기 위해 UAV(Unmanned Aerial Vehicle)를 추가로 이용해 엣지 서비스를 제공하는 기법이 연구되고 있다. 그러나 UAV는 지상 MEC와는 달리 배터리 용량이 제한되어 있어 태스크 마이그레이션을 통해 에너지 사용량을 최소화하는 것이 필요하다. 본 논문에서는 MEC 서버들 사이의 로드 밸런싱과 UAV MEC 서버의 에너지 효율성을 최적화하기 위해 강화학습 기법인 Q-learning을 이용한 태스크 마이그레이션 기법을 제안한다. 제안 시스템의 성능을 평가하기 위해 UAV의 개수에 따라 실험을 진행하여 잔여 에너지와 로드 밸런싱 측면에서 성능을 분석한다.

최근 딥러닝을 이용한 영상 분석은 자율주행, 감시카메라 등 다양한 서비스에 필수적으로 활용되고 있으며 실시간 처리 및 보안 요소를 만족하기 위해 기존의 클라우드 컴퓨팅 방식의 단점을 개선한 클라우드 엣지 컴퓨팅 방식을 적용하는 사례가 크게 증가하고 있다. 하지만 사용자 및 단말과 가까운 위치에서 딥러닝 추론을 진행하는 클라우드 엣지 서버는 클라우드 서버와 비교하여 컴퓨팅 자원이 충분하지 않을 경우가 많으며 기존의 딥러닝 모델을 그대로 클라우드 엣지 환경에 적용하는 것은 자원 활용 측면에서 여러가지 문제점들을 갖고 있다. 따라서 본 논문에서는 마이크로서비스 구조를 통해 자원을 보다 유연하게 활용할 수 있도록 개선된 딥러닝 모델로 대규모의 클라이언트 요청을 처리 가능한 동영상 데이터 추론 서비스인 G-Edge AI 추론 서비스 개발에 대해 설명한다.

Ad-hoc On-demand Distance Vector (AODV), is one of well-designed routing protocols in mobile ad hoc networks. It supports the functionality of node mobility modules through multiple control messages to create and maintain paths for data transfer. Even though a number of studies have been conducted to achieve rapid discovery of paths across the network, but few have focused on impact of control messages. This paper proposes a method to adjust the transmission time of messages used in path recovery according to their individual characteristics. Simulation results show the improved performance of the proposed algorithm rather than traditional AODV routing protocol.

본 논문은 RSU 통신 범위 밖에서 요청 차량에게 콘텐츠를 전달하기 위해 최적의 릴레이 후보를 찾는 알고리즘으로 더 효율적인 릴레이 방안을 제시한다. 최근 차량 네트워크에서 사용자의 콘텐츠 이용의 불편함을 줄이기 위하여 지연 시간과 트래픽을 감소시키기 위해 사전 캐싱을 사용하기 위한 연구가 되어오고 있다. 따라서, 주변에 있는 차량을 이용하여 콘텐츠를 릴레이 하는 방안으로 연구가 진행 중이다. 본 논문에서는 RSU 통신 범위 밖에서 요청 차량에게 콘텐츠를 전달하기 위해 최적의 릴레이 후보를 찾는 알고리즘을 기반으로 추가적인 릴레이를 하여 콘텐츠를 전달하는 방안을 제시한다. 시뮬레이션은 NS-3 로 진행되었으며 성능 결과에서 제안 방안을 통해 릴레이 양은 증가하고, 딜레이는 감소하였다.

라이다 센서는 최근 다양한 산업에서 3 차원 물체의 식별을 위해 사용되고 있다. 주요 시설이나 전시관의 경계를 위해서 스캔형 라이더는 넓은 범위의 감지를 할 수 있지만 입력 데이터가 많아 물체의 식별과 관련된 연산이 오래 걸리는 문제를 가진다. 이러한 문제를 해결하기 위해서 제안하는 방법에서는 라이다 데이터를 간략화 하고 감지 이벤트를 통해 사용자들에게 알려줄 수 있도록 하는 알고리즘을 제안한다.

좁은 ITS(Intelligent Transportation Systems) 대역에서는 채널 혼잡을 피하는 것이 필수적이다. 눈에 띄는 변화가 있을 때만 차량 운동을 보고하는 것은 대역폭 사용을 줄이기 위한 표준화된 접근 방식이다. 그러나 셀룰러 V2X(Vehicle-to-Everything) 통신에서 주기적인 비콘의 빈번한 누락으로 인한 비주기성은 자원 낭비와 자원 스케쥴링의 안정성 문제를 제기한다. 이에 대해 이 논문에서는 자동차의 운동이 물리적 특성에 의해 제약을 받기 때문에 딥러닝 기반 체계로 대부분의 메시지 생성 시간을 정확하게 예측할 수 있다는 것을 보여준다. 제안된 예측 방법은 통상적인 도로주행 시 94.9%의 정확도를 달성한다.

The emerging energy harvesting technology, which has been successfully integrated into Wireless Sensor Networks, enables sensor batteries to be charged using renewable energy sources. In the meantime, the problem of Minimum Latency Aggregation Scheduling (MLAS) in battery-powered WSNs has been well studied. However, because sensors have limited energy harvesting capabilities, captured energy is limited and varies greatly between nodes. As a result, all previous MLAS algorithms are incompatible with Battery-Free Wireless Sensor Networks (BF-WSNs). We investigate the MLAS problem in BF-WSNs in this paper. To make the best use of the harvested energy, we build an aggregation tree that leverages the energy harvesting rates of the sensor nodes with an intuitive explanation. The aggregation tree, which determines sender-receiver pairs for data transmission, is one of the two important phases to obtain a low data aggregation latency in the BF-WSNs.

배달 플랫폼이 생기기 이전에는 소비자가 가게에 전화로 주문하면 가게에서 직접 고용한 라이더가 배달하거나 배달대행업체를 통해 배달했다. 하지만 외식문화가 발달함에 따라 배달 플랫폼이 성장하고 편리함을 추구하는 사람들이 늘어나 이제는 배달 플랫폼 없이 주문하는 경우를 보기 힘들어졌다. 이렇게 배달 플랫폼을 이용해 주문하면 라이더 부족 현상이 나타나고 공급을 위해 배달비가 점점 인상되는 악효과가 발생한다. 이에 우리는 현재 배달 시스템의 문제점 해결과 배달비 절감을 위한 공동 배달 채팅앱을 제안한다.

굿플에이SSU는 사용자가 자신의 선행에 대한 경험을 공유하고 다른 사용자의 선행을 칭찬하며 선행을 독려하는 소셜네트워크서비스이다.

대한민국 일인당 연간 평균 술 소비량은 매년 증가하는 추세를 보이며 음주문화는 어느새 우리의 여러 문화중 하나로 자리매김하였다. 그만큼 우리나라에서는 여러 종류의 술을 판매하는 사업장이 늘어났고 해외에서 수입해온 칵테일,위스키 등을 쉽게 접할 수 있었다. 하지만 다양한 종류의 주류들이 늘어나면서 자신의 취향에 맞는 주류를 찾기에는 쉽지 않았다. 그래서 본 어플리케이션을 통해 제공되는 여러 선택지 중에서 사용자는 선택을 하여 도출되는 결과로 사용자는 자신의 주류 취향을 알아보고, 그에 맞는 주류 리스트를 크롤링하여 추천해주는 어플리케이션 시스템을 제안한다

인터넷을 통해 주위 사물과 연결된 차량은 사용자에게 편리성을 제공하기 위해 다양한 콘텐츠를 요구하는데 클라우드로부터 가져오는 시간이 비교적 오래 걸리기 때문에 차량과 물리적으로 가까운 위치에 캐싱하는 기법들이 등장하고 있다. 본 논문에서는 기반 시설이 밀집하게 설치된 도시 환경에서 maximum distance separable(MDS) 코딩을 사용해 road side unit(RSU)에 캐싱하는 방법에 대해 연구하였다. RSU의 중복된 서비스 커버리지 지역을 고려하여 차량의 콘텐츠 요구에 대한 RSU hit ratio를 높이기 위해 deep Q-learning(DQN)를 사용하였다. 실험 결과 비교 알고리즘보다 hit raito 측면에서 더 높은 성능을 보이는 것을 증명하였다.

The advent of the Multi-access Edge Computing (MEC) paradigm allows mobile users to offload resource-intensive and delay-stringent services to nearby servers, thereby significantly enhancing the quality of experience. Due to erratic roaming of mobile users in the network environment, maintaining maximum quality of experience becomes challenging as they move farther away from the serving edge server, particularly due to the increased latency resulting from the extended distance. The services could be migrated, under policies obtained using Deep Reinforcement Learning (DRL) techniques, to an optimal edge server, however, this operation incurs significant costs in terms of service downtime, thereby adversely affecting service quality of experience. Thus, this study addresses the service mobility problem of deciding whether to migrate and where to migrate the service instance for maximized migration benefits and marginal service downtime.

국내 산업재해 사고 사망자의 상당수가 건설업에서 발생하고 있다. 건설 현장에는 굴삭기, 크레인과 같은 중장비가 많고 높은 곳에서 작업하는 경우가 흔해 위험 요소에 노출될 가능성이 높다. 물리적 사고 외에도 작업 중 발생하는 미세먼지에는 여러 유해 인자가 존재하여 건설근로자들에게 호흡기질환과 같은 직업병을 유발한다. 정부에서는 산업현장 안전 관리의 중요성이 증가함에 따라 각종 산업재해로부터 근로자를 보호하기 위한 법안을 마련하였다. 따라서 건설 현장의 경우 산업재해를 방지하기 위해서 위험요소를 사전에 인지하고 즉각 대응할 수 있는 기술이 필요하다. 본 연구에서는 인공지능(AI)과 사물인터넷(IoT)을 통한 자동화 기술을 활용하여 24시간 안전 관리 시스템을 제안한다. 제안하는 IoT 기반 통합안전 관리 시스템은 AI를 적용한 CCTV를 통해 산업 현장을 모니터링하고, 다수의 IoT 센서가 측정한 수치를 근로자 및 관리자가 실시간으로 확인할 수 있게 하여 산업 현장 내 안전사고를 예방한다. 구체적으로 어플리케이션을 통해 미세먼지 농도, 가스 농도, 온도, 습도, 안전모 착용 여부 등을 모니터링할 수 있다. 모니터링 중에 유해물질의 농도가 일정 수치를 넘기거나 안전모를 착용하지 않은 근로자가 발견될 경우 근로자 및 관리자에게 경고 알림을 발송한다. 유해물질 농도는 IoT 센서를 통해 측정하며 안전모 착용 여부는 카메라 센서에 딥러닝 모델을 적용하여 인식하였다. 본 연구에서 제시한 통합안전관리시스템을 통해 건설현장을 비롯한 산업현장의 산업재해 감소와 근로자 안전 증진에 기여할 수 있을 것으로 기대한다.

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.

최근 IoT 기술은 가전제품, 웨어러블 디바이스, 친환경 사업등 여러가지 분야에서 사용되고 있고 각 분야의 애플리케이션의 수와 애플리케이션에 연결된 장치 수가 증가함에 따라 엄청난 양의 데이터가 생성되고 있다. 수집된 많은 양의 데이터는 전송과 저장등의 과정을 거쳐야 하지만 현재 각기다른 여러가지 IoT 플랫폼들의 프로토콜들이 존재하고 있어 서로 다른 프로토콜 간의 데이터 전송이나 디바이스 연동이 힘들다는 문제점이 존재하고 있다[1]. 또한 센서로 수집된 데이터들이 중앙 집중식 구조로 저장되기 때문에 이 데이터들을 신뢰할수 있는가에 대한 문제가 존재한다. 이 문제들을 해결하기 위해 이 논문에서는 IoT 플랫폼에서의 서로다른 프로토콜간의 연동과 데이터들의 중앙 집중화 문제를 해결하기 위한 블록체인을 활용한 IoT 플랫폼 인터워킹 프레임워크 모델을 제안하고 이어 결론과 향후 연구방향을 제시한다.

본 논문은 식품 관리의 편리함을 위해 식품의 유통기한이 지나면 알려주는 시스템이다. 허스키렌즈의 태그 인식 기능을 사용하여 식품에 부착된 태그를 저장하고, 태그의 날짜와 정보를 입력하면 그 날짜가 되면 알림이 가는 시스템이다. 또한 저장한 태그를 다시 인식하면 저장한 정보를 볼 수 있는 작업을 수행하도록 구성하였다.

본 논문은 물품 보관함을 이용하는 사용자의 편의성을 얼굴인식 시스템을 통해 극대화 하는 시스템이다. 허스키 렌즈를 이용하여 사용자의 얼굴을 기억하고 본인의 얼굴을 통해 물품 보관함의 잠금을 해제할 수 있도록 구성하였다. 사용자의 얼굴을 등록할 때는 여러 번 등록하여 오작동할 확률을 줄이고, 보관함의 잠금이 해제됨을 알리기 위해 부저와 LED를 사용하여 청각적 시각적 알림을 더해 사용자들이 빠르고 간편하게 물품 보관함을 이용하게 하고자 한다.

환경오염으로 인하여 일조량 감소가 점점 심해지고 있으며 이로 인해 농작물의 피해가 보고되고 있다. 부족한 일조량을 보충하기 위하여 LED 를 도입한 스마트 팜을 도입하고 있지만, 같은 양의 LED 빛을 일정시간 지속적으로 쬐어줌으로써 비용적인 문제가 발생하여 꺼려하는 청장년층 사람들이 나타나기 시작하였다. 그리하여 본 논문에서는 야외 일조량에 따른 밝기를 변경하여 기존 스마트 팜 보다 효율적인 방식을 제안하고자 한다.

1. 생체 인증만을 이용하여 인증절차를 구성하여 장점을 극대화 한다. 2. 사용자를 인증하는 새로운 인증 방법을 고안하고, 융합 할 수 있다.

코로나-19와 미세먼지의 증가로 '반려 식물'과 '플랜테리어'에 대한 수요가 늘고있는 추세이다. 본 논문에서는 화분에 IoT를 접목하여, 스마트 화분을 구현하였다. 사용자 인터페이스를 iOS 앱으로 개발하였으며, 늘어나는 iPhone 사용자들에게 익숙한 UX/UI 디자인으로 구현하였다. 스마트폰 앱과 가정의 화분 서버가 인터넷으로 통신함으로써, 언제 어디서나 화분의 상태를 확인하고, 제어를 할 수 있게 구현하였다. 서버와 화분 모듈이 분리되어, 화분 자체의 크기를 줄였다. 화분 하단에 물통이 존재하여, 배액이 그대로 물통으로 흘러내려오는 순환식 구조를 채택하였기 때문에 '플랜테리어'에 적합한 모듈이 될 수 있을 것으로 기대한다.

라즈베리파이를 통하여 차량 내부의 모든 정보를 입력받아 영상처리 등을 이용하여 차량 내부를 감시 및 탐색, 위험요소 발생 시 이를 사용자에게 전달하고 직접적으로 차량 내 부저 등으로 소리를 내어서 주변 사람들에게 알려 문제를 해결하고자 한다.

고령화에 잇따른 질병 중 치매는 배회 증상 및 여러 사고를 발생시킨다. 그러나 실내외 전반에 걸친 치매환자 위치 파악 시스템이 부재하기에 본 논문에서는 치매환자의 웨어러블 디바이스에 내장된 Beacon과 GPS를 통해 실내외 위치를 파악하고, SaMD 기능을 통해 치매환자의 신체 상태를 파악하여 보호자와 구조요청기관에 알릴 수 있는 기법을 제안한다.

최근 들어 다양한 제약 조건이 있는 스마트 시티나 스마트 팩토리와 같은 도메인들 내에서 태스크들을 효과적으로 처리하기 위해서 MEC 기술이 많이 사용되고 있다. 그러나 이러한 도메인에서 발생하는 복잡하고 동적인 시나리오는 기존의 휴리스틱이나 메타 휴리스틱 기법을 이용하여 해결하기엔 계산 복잡도가 증가하는 문제점을 가지고 있다. 따라서 최근 들어 이러한 문제점을 해결하기 위한 방법 중 하나로 강화학습과 딥러닝이 결합된 DRL 기법이 주목을 받고 있다. 본 연구는 스마트 팩토리 환경에서 종속성을 가진 태스크들이 실행시간과 태스크가 처리되는 MEC 서버들의 로드 표준편차를 최소화하는 태스크 스케줄링 기법을 제안한다. 모의실험을 통하여 제안 기법은 태스크가 증가하는 동적인 환경에서도 좋은 성능을 보임을 증명하였다.

오늘날 이미지 및 오디오와 같은 디지털 미디어의 활용이 급격하게 증가함에 따라, 디지털 콘텐츠의 저작권을 보호하기 위한 워터마킹 기술의 중요성이 대두되고 있다. 최근 딥러닝 기반 이미지 워터마킹 기술에 대한 다양한 연구 결과가 발표되고 있는 반면, 딥러닝을 이용한 오디오 워터마킹에 관련된 연구는 미진한 것이 현실이다. 본 논문에서는 딥러닝을 기반으로 오디오 워터마킹 기술을 개발하기 위한 오토인코더 모델 및 생성적 적대 신경망 모델에 대해 제안한다.

딥러닝이 각광받기 시작하면서 인간의 자세와 행동을 인식하고 분류하기 위한 인공지능 기술 또한 급속도로 발전하게 되었다. 영상에서 인간의 자세를 디지털 데이터로 표현할 때 인체의 주요 관절점의 위치와 연결관계를 나타내는 스켈레톤 표현 방식을 주로 사용한다. 본 논문에서는 스켈레톤 데이터에 비밀 메시지를 은닉할 수 있는 스테가노그라피 알고리즘에 대해 소개하고, 스켈레톤을 구성하는 주요 관절점 키포인트를 조작했을 때 행동 인식 인공지능 모델이 어떻게 반응하는지 살펴봄으로써 스켈레톤 데이터에 대한 스테가노그라피 알고리즘의 특성과 보안성에 대해 논의한다.

Homomorphic Encryption (HE) schemes have been recently growing as a reliable solution to preserve users' information owe to maintaining and operating the user data in the encrypted state. In addition to that, several Neural Networks models merged with HE schemes have been developed as a prospective tool for privacy-preserving machine learning. Those mentioned works demonstrated that it is possible to match the accuracy of non-encrypted models but there is always a trade-off in the computation time. In this work, we evaluate the implementation of CKKS HE scheme operations over the layers of a LeNet5 convolutional inference model, however, owing to the limitations of the evaluation environment, the scope of this work is not to develop a complete LeNet5 encrypted model. The evaluation was performed using the MNIST dataset with Microsoft SEAL (MSEAL) open-source homomorphic encryption library ported version on Python (PyFhel). The behavior of the encrypted model, the limitations faced and a small description of related and future work is also provided.

특정 문제를 효율적으로 모델링하고 해결할 수 있는 자체적인 특성을 가지고 있는 양자 컴퓨터는 다양한 컴퓨팅 분야에서 강세를 보일 것으로 기대된다. 이러한 양자 컴퓨터는 가까운 미래에 암호학계에 다가올 가장 큰 위협으로 여겨지고 있다. 공개키 암호와는 달리 대칭키 암호에서 기반하고 있는 문제들은 양자 컴퓨터에 대해 아직은 안전할 것으로 여겨지지만, 안전한 양자 후 보안 시스템을 구축하기 위해 이에 대한 파급력을 확인하는 연구들이 수행되고 있다. NIST는 대칭키 암호 AES에 대한 상대적인 양자 공격 비용에 따라 양자 후 보안 강도를 추정하고 있으며, 이에 본 논문에서는 AES에 대한 양자 회로를 구현하고 공격 비용을 추정하는 다양한 연구들에 대해 살펴본다.

2015년부터 NIST에서는 경량 암호 공모전을 개최하여 저사양 기기에서 활용할 경량 암호 알고리즘을 개발해오고 있다. 본 논문에서는 경량 암호 공모전에서 발표된 Romulus 암호에 활용되는 Tweakey 프레임워크로 설계된 Tweakable 블록암호 Skinny의 최적화 구현을 최신 프로세서 중 하나인 Apple M1 프로세서 상에서 진행하였다. M1 프로세서는 ARMv8 아키텍처로 설계되었으며, ARMv8 벡터 명령어 중 TBL 명령어를 활용한 라운드 함수의 효율적인 구현으로 최적화를 진행하였다. Skinny 블록암호의 블록 길이 128-bit 구현을 진행하였으며, 해당 프로세서에서 구현된 skinny 구현 연구가 없기 때문에 Referenc C코드와 비교를 진행하였다. 성능 측정 결과 128-bit 키 길이에서는 약 19배의 성능 향상을 확인하였으며, 키 길이 384-bit에서는 약 32배의 높은 성능 향상을 확인할 수 있다.

국방 각급 부대는 망연계 자료교환 시스템에 의해 인터넷과 국방망을 연계하여 데이터를 수집하고 있다. 또한, 안전한 국방 데이터수집과 빅데이터 환경조성을 위해 악성코드를 내재한 데이터들을 차단 및 분류하는 데이터 검열을 수행한다. 그러나 수집되는 데이터들이 새로운 악성코드를 내재할 경우, 현재 운용되고 있는 국방 시스템으로 식별하는 것이 불가능하여 외부로부터의 보안위협이 존재한다. 따라서 본 논문에서는 새로운 악성코드 위협에도 대응할 수 있는 Learned MAPE-K 기반 자료교환 시스템을 제안한다.

대규모 양자컴퓨터의 개발은 현재 사용하는 많은 암호화 알고리즘에 위협이 될 것으로 예상한다. 현재 NIST 는 양자 후 시대에 대비하기 위해 양자 내성 암호를 표준화 하기 위한 작업을 진행하고 있으며 이에 따라 post-quantum 시스템의 마이그레이션 과정이 필요하며 각 시스템에 QSC 적용을 위한 연구들이 이어지고 있다. 본 논문에서는 양자 후 시대에 대비하기 위해 NIST 의 PQC post quantum conference 에서 발표한 PQC 후보와 QSC 마이그레이션 과정 및 적용 방안에 대해 조사한다.

최근 코로나 19 팬더믹 이후 원격근무의 확대와 더불어 랜섬웨어 팬더믹이 심화하고 있다. 현재 안티바이러스 백신 업체들이 랜섬웨어에 대응하고자 노력하고 있지만, 기존의 파일 시그니처 기반 정적분석은 패킹의 다양화, 난독화, 변종 혹은 신종 랜섬웨어의 등장 앞에 무력화될 수 있고, 실제로 랜섬웨어의 피해 규모 지속 증가가 이를 설명한다. 본 논문에서는 기계학습을 기반으로 한 단일 분석만을 이용하여 탐지모델에 적용하는 것이 아닌 정적 분석 정보(.text Section Opcode)와 동적 분석 정보(Native API)를 추출하고 유사도를 바탕으로 연관성을 찾아 결합하여 기계학습에 적용하는 탐지모델을 제안한다.

고성능 양자 컴퓨터가 개발될 것으로 기대됨에 따라 잠재적인 양자 컴퓨터의 공격으로부터 안전한 양자 후 보안 시스템을 구축하기 위한 연구들이 진행되고 있다. 대표적인 양자 알고리즘인 Grover 알고리즘이 대칭키 암호에 적용될 경우 보안 강도가 제곱근으로 감소되는 보안 훼손이 발생한다. NIST는 대칭키 암호에 대한 양자 후 보안 요구사항으로, 암호 알고리즘 공격에 요구되는 Grover 알고리즘 비용을 기준을 기준으로 양자 후 보안 강도를 추정하고 있다. 대칭키 암호를 공격하기 위한 Grover 알고리즘의 비용은 대상 암호화 알고리즘의 양자 회로 복잡도에 따라 결정된다. 본 논문에서는 NIST 경량암호 공모전 최종 후보에 오른 Sparkle 알고리즘의 양자 회로를 효율적으로 구현하고 Grover 알고리즘을 적용하기 위한 양자 비용에 대해 분석한다. 마지막으로, NIST 양자 후 보안 요구사항과 분석한 비용을 기반으로 경량암호 Sparkle에 대한 양자 후 보안 강도를 평가한다. 양자 회로 구현 및 비용 분석에는 양자 프로그래밍 툴인 ProjectQ가 사용되었다.

PDF (Portable Document Format)는 1992년 Adobe 에서 개발한 파일 형식으로 ISO 32000 으로 표준화 되어 전세계적으로 사용되고 있다. PDF와 같이 주로 사용되는 파일은 암호 해독(Password Cracking)의 대상이 될 수 있다. 본 논문에서는 PDF 1.4-1.6 암호 해독을 위해 CUDA GPU 상의 최적 구현하였다. 암호 해독에 사용되는 MD5와 RC4 알고리즘의 최적화와 CUDA GPU의 요소를 사용하였으며 RTX 3060 환경에서 크래킹 도구 해시캣과 비교하여 22.5%의 성능 향상을 달성하였다.

이동통신 산업이 급속도로 발전됨과 동시에 사물인터넷도 빠르게 발전하고 있다. 사물인터넷의 성능이 향상되면서 무선 네트워크에 포함된 많은 데이터를 포함하고 있는 사물인터넷이 증가하였다. 사물인터넷에 사용되는 저사양 프로세서들은 일반 컴퓨터에 비해 제한적이다. 그러므로, 사물인터넷에서 효율적으로 동작되는 암호 알고리즘에 대한 연구는 필수적이다. 따라서, 본 논문에서는 많은 분야에서 널리 사용되고 있는 마이크로 컨트롤러인 ARMv8 프로세서 상에서의 블록 암호 최적 구현에 대한 연구 동향에 대해 알아본다.

url 은 사용자들에게 편의성을 제공하지만 이로 인해 발생하는 보안 문제점들이 있다. 파라미터 값을 변조해 발생하는 온라인 쇼핑몰 해킹이나 회사 내부망에서 관리자 페이지나 사내 기밀 게시판 등 평소라면 접근할 수 없는 숨겨진 페이지에 접근을 시도하는 문제점들이 발생해 이를 방지할 AES 방식의 url 암호화 기술을 구상해 보았다.

최근 펌웨어를 겨냥한 공격이 늘어나고 있다. 기기에 수정된 펌웨어 주입이 가능하다면 장치를 무력화하거나 데이터 유출, 디도스 등의 공격이 가능하다. 본 연구는 펌웨어 보안을 위해 펌웨어 서명 및 암호화 시스템을 구축하였다. 또한 STM32MP1-DK2보드의 리눅스 커널 코드를 수정하여 이를 검증하였다.

본 논문에서는 소프트웨어에 내장된 취약점의 패턴을 인식하여 찾아내는 딥러닝 기반 취약점 탐색 기술에 대해 소개한다. 특정 소프트웨어의 소스 코드 혹은 바이너리 코드를 분석하여 취약점을 찾아내는 여러 기법들을 살펴본 다음, 딥러닝 기반 바이너리 취약점 탐색 기술의 향후 연구 방향을 조망하고자 한다.

문화생활을 즐기는 현대인의 증가와 함께 온라인 티켓 거래가 활발하게 이뤄지고 있다. 문화생활에 대한 수요가 증가하고, 온라인을 통한 티켓 거래가 활발해지는 만큼 불법 거래 사례와 피해 또한 커지고 있다. 이러한 불법 거래 방지를 위해 본 논문에서는 기존 모바일 티켓팅 시스템의 QR코드에 티켓 고유식별번호와 난수를 결합하고, 사용자의 지문 인식과 사용 시간 제한 등의 기능을 추가한 불법 거래 방지 티켓팅 시스템을 제안한다.

The uses of drones are increasing despite the fact that many of us are still skeptical. In the near future, the data that will be created and used by them will be very voluminous, hence the need to find an architecture that allows good identity management and access control in a decentralized way while guaranteeing security and privacy. In this article, we propose an architecture using hyperledger fabric blockchain platform which will manage the identity in a secure way starting with the registration of the drones on the network then an access control thanks to Public Key Infrastructure (PKI) and membership service provider (MSP) to enable decision-making within the system.

최근 COVID-19 팬데믹 시대 도래로 ICT 기술 기반의 지능화된 사회실현에 대한 관심이 높아지고 있지만, 사이버 위협의 다변화로 그 범위와 피해 또한 확대되고 있다. 특히, 개인의 민감 데이터뿐만 아니라, 산업체와 공공기관의 사이버 위험성 및 노출은 심각한 문제가 발생할 수 있다. 본 논문에서는 이러한 정보보호 분야에서의 위협행위 등을 탐지, 분석, 대응할 수 있는 교육 프로그램 개발과 전문 인력양성을 위한 사이버 레인지의 국내·외 기술 동향을 살펴보고자 한다. 마지막으로, 더욱 지능화되고 발전하는 사이버 위협으로부터 이를 방지하고 대응하기 위한 사이버 레인지의 발전 방향을 논하고자 한다.

There has been an increase in video surveillance for public safety and security, which increases the video data, leading to analysis, and storage issues. Furthermore, most surveillance videos contain an empty frame of hours of video footage; thus, extracting useful information is crucial. The prominent framework used in surveillance for efficient storage and analysis is video synopsis. However, the existing video synopsis procedure is not applicable for creating an abnormal object-based synopsis. Therefore, we proposed a lightweight synopsis methodology that initially detects and extracts abnormal foreground objects and their respective backgrounds, which is stitched to construct a synopsis.

디지털 전환 시대를 맞아 일상생활 대부분이 온라인으로 이동하면서 온라인상에서 자신을 나타내는 신뢰할 수 있는 신분증의 필요성이 커지게 되었다. 신원 확인 방법은 중앙 집중식 모델에서 현재는 자기주권신원 모델로 변화하는 과정에 있으며 사용되는 핵심 기술은 탈중앙 식별자 DID(Decentralized Identifier)이다. DID는 기존 신원 체계와 달리 개인의 데이터 소유권을 개인에게 돌려줘 데이터 주권을 지킬 수 있게 해줌으로써 개인의 정보 공유 범위를 결정하는 SSI(Self Sovereign Identity)를 실현하는 기술이다. DID를 이용하면 데이터의 무결성, 투명성을 보장하는 자격 증명(Verifiable Credential, Verifiable Presentation) 발급이 가능하며 이를 검증하는 데이터는 모두 블록체인에 올라가 있는 것이 특징이다. 본 논문에서는 실제 서비스와 유사한 시뮬레이션 환경을 구축하여 자격 증명의 사용자 프라이버시를 보호하는 방법인 BBS+서명 기법에 대해 알아보고자 한다.

모바일 사용자가 증가함에 따라 모바일 앱에서 사용자가 허용하지 않은 개인정보가 유출되는 프라이버시 문제가 많아졌다. 이를 해결하기 위해 구글은 앱스토어에 등록된 앱이 사용자의 개인정보를 어떻게 활용하는지 개인정보 처리방침에 명시하도록 했다. 하지만 개인정보 처리방침이 실제로 앱의 개인정보 수집 및 처리 과정을 정확히 공개하는지 확인할 수 있는 해결책이 없으며, 사용자는 앱이 개인정보를 어떻게 활용하는지 알기 위해 개인정보 처리방침에 의존해야만 한다. 본 연구에서는 안드로이드 정적 분석으로 앱이 접근할 수 있는 데이터를 확인하고, 개인정보 처리방침의 텍스트를 추출 및 분석한 뒤 결과를 비교하여 개인정보 처리방침의 신뢰성을 분석한다. 실험을 위해 구글 앱스토어에 등록된 13,223개 앱의 패키지 파일과 부가정보를 수집했고 전처리 과정을 거쳐 분석 가능한 앱을 선정했다. 선정한 앱의 모바일 앱 분석 결과와 텍스트 분석 결과를 비교하여 모바일 앱이 개인정보 처리방침에 명시된 것보다 더 많은 개인정보에 접근할 수 있음을 입증한다.

중고 거래 플랫폼 사용이 증가함에 따라 각 중고 거래 플랫폼에 많은 사진과 글이 업로드되고 있다. 플랫폼에 올린 사진과 글을 통해 일차적으로 해당 이용자의 나이대, 사는 동네, 가족 관계, 신체 사이즈, 특정 제품 취향을 알 수 있다. 중고 거래 플랫폼에서 전화번호를 얻게 될 경우, 이차적으로 카카오톡을 통해 이용자의 얼굴 사진, 연동된 계정을 알 수 있다. 이때 얻은 얼굴 정보와 이름, 계정을 통해 인스타그램, 카카오스토리, 페이스북 등 SNS 를 통한 해당 이용자의 추가적인 개인정보들을 얻을 수 있다. 이처럼 이용자가 작성한 글을 통해 사적인 정보가 드러남으로써 심각한 개인정보 유출로 이어질 수 있다. 중고 거래 플랫폼 이용자의 직접적인 입력으로 인한 개인정보 노출을 예방하기 위해서는 이용자에게 게시물에 포함된 개인정보와 개인정보 유출의 위험성을 인지시켜 유출 위험성이 높은 개인정보는 게시하지 않도록 해야 한다. 본 논문에서는 중고 거래 판매 게시물 기반 개인정보 유출 워크플로우를 작성하여 중고 거래 플랫폼에서 나타나는 개인정보 유출의 현황을 분석하고 이를 방지하기 위한 방법을 제안했다.

개인정보 보호법 위반 시 법률적 기준에 따라 행정처분을 하고 이에 대한 결과를 공표하게 된다. 개인정보보호위원회가 심의·의결 기관에서 국무총리 산하 중앙행정기관으로 출범하고 난 이후 개인정보보호법 위반으로 인한 행정처분 결과 공표 자료를 분석하였다. 공표 대상이 되는 주요 산업군과 위반 법률 조문을 분석해 향후 정보주체 권리 보장을 위한 안전한 보호 방안을 제안한다.

서비스 제공자는 사용자의 위치를 기반으로 용이한 정보를 제공한다. 과거에는 사용자가 질의를 요청하는 순간(snapshot)에 대해 사용자의 위치를 보호하는 기법들이 주를 이루었다면 최근에는 연속적인 질의를 요청할 때 사용자의 위치를 보호하는 기법들이 연구되고 있다. 그러나 연속적인 질의처리는 시간별로 요청되는 질의의 묶음으로서 영역을 보호할 수 있으나 영역을 연결할 경우 사용자의 궤적이 노출되는 문제가 발생할 수 있다. 가장 최근 연속적인 질의에서 이동 궤적을 보호하는 k-ATY가 제안되었지만 사용자와 동일한 이동 속도와 일정한 방향을 기준으로 더미를 생성하기 때문에 장애물(다리, 건물 등)이 있을 경우 더미의 위치가 노출될 수 있다. 본 논문에서는 이러한 문제점을 개선하기 위하여 장애물을 고려한 k-oATY 기법을 제안하고 기존기법과 비교한다.

VR/AR(가상현실/증강현실) 디바이스 기술 진보가 가속화되고 관련 시장이 확대되면서 메타버스 플랫폼이 최근 많은 주목을 받고 있다. 하지만 새로운 플랫폼 개발에도 불구하고 사용자를 인증하는 방식은 기존의 PC와 모바일 플랫폼의 인증방식을 따라가고 있다. 본 논문에서 우리는 메타버스에서 기존 PC/모바일 인증 방식을 그대로 적용했을 때 발생할 수 있는 문제점을 제기하고, 모션캡처를 이용하여 사용자의 모션을 입력 받아 메타버스플랫폼에서 활용할 수 있는 사용자 인증방식을 제안한다.

본 연구는 고해상도 카메라를 통해 얻은 이미지에서 지문과 홍채와 같은 생체인식 정보가 쉽게 노출되고, 생체인식 정보가 담긴 이미지가 SNS 를 통해 유출되어 악용될 가능성을 고려해 이를 방지하는 기술을 제시한다. 이 기술은 컴퓨터 비전을 기반으로 한 프로그래밍 라이브러리인 OpenCV를 사용하여 이미지에서 지문과 홍채 영역에 Blur 처리를 하는 알고리즘을 활용한 생체인식 정보의 노출 방지 시스템을 제시한다.

In recent years, the logistics industry has greatly driven the world's economic development. Due to the frequent occurrence of logistics information leakage and forgery, it is necessary to find a solution that can accurately trace the logistics information and ensure the security and authenticity of the logistics information. The birth of blockchain technology has enabled the logistics industry to realize the development from quantitative change to qualitative change. The distributed storage idea, decentralization characteristics, immutable nature, complex encryption algorithm, and other technical characteristics of the blockchain technology make it have a wide range of application prospects in the logistics industry. The purpose of this paper is to apply blockchain technology to the whole chain of logistics information traceability, to indirectly store the corresponding data generated by the logistics circulation link on the blockchain, and to combine the researched consensus algorithm and searchable encryption algorithm to form A set of logistics information traceability system to achieve efficient and accurate traceability of logistics information.

최근 블록체인의 발전에 따라 디지털 자산을 위한 NFT 시장과 블록체인을 클라우드 서비스로 제공하는 BaaS 시장도 함께 발전하고 있다. 이에, 본 논문에서는 기존 NFT의 문제점인 느린 성능 및 비싼 수수료와 같은 사용성 문제와 개인정보 및 프라이버시 보호 문제의 보완을 위해 BaaS를 활용한 NFT 플랫폼을 제안한다. 또한, 시스템의 개요와 각 구성요소에 대한 자세한 내용을 제시하고 향후 연구에서의 시스템 구현을 위한 방향성을 제시한다.

기존 블록체인 기술을 활용해 새로운 비즈니스 모델을 개발 및 투자하려는 기업들의 관심이 높아지고 있으나, 낮은 확장성으로 인해 기존 블록체인 기술만으로는 시장에서 활용되기 어렵다. 블록체인의 낮은 확장성을 해결하기 위해 검증된 참여자만 참여하는 프라이빗 블록체인과 프라이빗 블록체인 고속화를 위한 관련 연구가 같이 진행되고 있다. 삼성의 넥스레저는 하이퍼레저 패브릭의 다중 버전 동시성 제어(MVCC) 충돌로 인한 낮은 TPS 문제를 해결하기 위해 Accelerator를 추가하여 고속화를 진행하였다. 하지만 모든 트랜잭션을 수집하여 처리하는 방식인 Accelerator는 중앙화로 인해 악의적인 공격 타깃이 되어 단일 장애 지점 문제가 발생할 수 있으며, 공격으로 인해 위조되거나 분실된 데이터는 검증 없이 블록체인 블록에 반영되고, 한번 반영된 데이터는 수정이 어렵다. 본 논문에서는 이와 같이 프라이빗 블록체인 고속화 상황에서 발생할 수 있는 단일 장애 지점 문제를 해결하기 위해 CMT와 사기증명 기반의 고속화 하이퍼레저 패브릭 시스템을 제안했으며, 제안한 시스템을 구축하고 성능 테스트를 통해 CMT 하이퍼레저 패브릭 시스템 성능이 99.58% 유지됨과 사기증명이 가능함을 확인하였다.

BaaS(Blockchain as a Service)는 블록체인의 사용이 어렵다는 단점을 유연한 자원운용이 가능하고 뛰어난 접근성의 특징을 가진 클라우드와 접목하여 쉽게 블록체인을 구축하고 사용할 수 있도록 해주는 클라우드 서비스이다. BaaS 의 등장으로 블록체인의 접근성은 큰 범위로 증가하였으며 다양한 도메인에 활용되고 있다. 하지만 클라우드 기반 서비스이기 때문에 클라우드 서비스의 문제점인 보안 이슈가 제기되었다. 본 논문에서는 BaaS 에 ZKP(Zero-Knowledge Proof)와 엣지 컴퓨팅 기술을 활용하여 보안성을 제공할 수 있는 새로운 BaaS 모델인 EBaaS 를 제안한다. EBaaS 는 엣지 컴퓨팅 기술을 적용하여 클라우드 서비스 공급업체에 대한 데이터 종속성을 제거하고 블록체인의 고가용성을 제공할 수 있으며 ZKP 를 활용하여 내부적으로 민감한 데이터에 대한 보안성도 제공할 수 있다.

현재의 교통정보시스템은 수집된 정보를 서버에서 가공하여 서비스하는 형태로 이루어져 있다. 이러한 형태는 네트워크 구성이 비교적 단순하고 유지관리 비용이 적게 든다는 장점이 있지만, 반면에 실시간성이 저하되고 보안이 제대로 보장되지 않을 수 있다는 문제가 있으며, 최근 많은 연구가 이루어지고 있는 VANET 환경에서의 교통정보시스템도 broadcast storm의 가능성을 안고 있다. 본 연구에서 제안하는 교통정보시스템은 자동차가 수집한 돌발 상황에 대한 데이터를 RSU(Road Side Unit)가 수신하고, 이후 메시지를 노드들에게 보낼 때 블록체인에 업로드함으로써 보안성과 broadcast storm 문제들을 해결할 수 있으며, raw data 를 IPFS 에 저장하여 시스템 고도화에 사용할 수 있어 참여자들이 교통 상황에 대해 신속하게 대응할 수 있도록 하는 장점을 갖는다.

Recently, federated learning (FL) has increased prominence as a viable approach for enhancing user privacy and data security by allowing collaborative multi-party model learning without exchanging sensitive data. Despite this, most present FL systems still depend on a centralized aggregator to generate a global model by gathering all submitted models from users, which could expose user privacy and the risk of various threats from malicious users. To solve these issues, we suggested a safe FL framework that employs differential privacy to counter membership inference attacks during the collaborative FL model training process and empowers blockchain to replace the centralized aggregator server.

본 논문은 블록체인에서 사용 중인 디지털서명을 국내외 동향으로 분석하여 향후 기존 디지털서명 기술이 새로운 대안의 디지털서명으로 대체될지 전망을 분석하였다. 디지털서명의 국내외 동향은 해시함수, 타원곡선, 디지털서명 알고리즘 등으로 구별하여 파악하였다. 디지털서명의 해외 동향에서는 ECDSA 외에 몇몇 새로운 알고리즘 도입이 진행 중에 있었지만 국내 동향에서는 단 하나의 사례도 찾기 힘들 정도로 여전히 대부분 업체에서는 ECDSA를 사용 중에 있었다. 아직까지 국내에서는 ECDSA의 채택률이 압도적이지만 해외에서는 조금씩 새로운 디지털서명을 채택 중에 있었다. 향후에는 ECDSA의 채택률이 줄어들고 새로운 디지털서명의 채택률이 올라갈 것으로 예상된다.

The federated learning can be utilized in conjunction with the blockchain technology to provide good privacy protection and reward distribution mechanism in the field of intelligent IOT in edge computing scenarios. Nonetheless, the synchronous federated learning ignores the waiting delay due to the heterogeneity of edge devices (different computing power, communication bandwidth, and dataset size). Moreover, the potential of smart contracts was not fully explored to do some flexible design. This paper investigates the fusion application based on the FLchain, which is the combination of asynchronous federated learning and blockchain, discusses the communication optimization, and explores the feasible design of smart contract to solve some problems.

기존의 특허, 저작권 등의 지적재산권은 특허청, 한국저작권위원회 등 중앙 기관에서 관리하고 있어 지적재산권을 등록하는데 많은 시간이 소요되고, 특허의 경우 특허법에 따라 같은 내용에 대한 지적재산권의 소유권에 대해 먼저 특허출원을 한 자만이 인정받을 수 있기 때문에 특허 접수 시기의 오차범위가 존재하여 정당한 발명자의 권리가 침해될 수 있다. 이를 해결하기 위해 NFT 를 기반으로 지적재산권의 소유권을 보장할 수 있는 방법에 대한 연구가 이루어졌으나, NFT 는 특성상 중복 가능하다는 문제점이 존재한다. 따라서 본 논문에서는 NFT 를 이용하여 지적재산권의 소유권을 인증하고, 블록체인 기반의 탈중앙화 DID 에 지적재산권을 저장하여 문서의 검색 및 관리를 가능하게 하는 등 지적재산권을 보호하는 기법을 제안한다.

컴퓨터가 마이크 등의 소리 센서를 통해 얻은 음향학적 신호를 단어나 문장으로 변환시키는 기술인 음성 인식 기술과 인공지능 기술을 결합한 음성 대화 시스템에 대한 연구 진행 및 제품 출시가 활발하게 이루어지고 있다. 기존의 시스템을 사용하면서 날짜와 시간 외의 정보 추출 정도가 빈약하거나 자동 등록이 되지 않는 문제점을 확인하였다. 음성 인식 기술을 통해 얻은 텍스트에서 보다 많은 정보를 추출하고, 자동 등록 및 알림과 맛집 등 추가 정보 제공 시스템을 구축하는 것을 목표로 하였다.

한의사의 복진을 모사하는 진단기기와 이를 이용하여 질환과 변증을 분류하는 알고리즘을 개발하는 연구가 진행되고 있다. 진행되는 연구에서 열화상에서의 복부 냉감 영역 검출 방법이 제시되었다. 이 연구에서 열화상을 획득하고, 한의사의 촉감 데이터를 획득하여 이를 비교하여, 딥러닝 알고리즘을 적용하여 열화상을 가지고 복부 냉감 영역을 찾는 방법을 제시하였다. 배경, 복부, 냉감 영역의 IOU 결과로 95.6%, 70.3%, 36%의 일치도를 보여주었다. 이는 신뢰성 있는 복진기기로 가는 필수적 경로이다.

정부의 한국판 그린뉴딜 정책 발표와 함께 주요 과제 중 하나인 그린 스마트 스쿨의 관심도가 점점 커지고 있다. 이에 따라 성공적인 그린 스마트 스쿨 구축을 위한 솔루션이 필요해지고 있다. 본 논문은 체계화 되지 않은 그린 스마트 스쿨의 전체 시스템 관점에서 문제를 해결하기 위한 Cloud-Edge와 AI를 적용한 그린 스마트 스쿨 통합 플랫폼을 제안한다.

본 논문은 4족 지능 로봇의 비평탄 지형 극복 기능을 구현하기 위해, 시뮬레이션 환경에서 제공하는 역기구학(Inverse Kinematic)과 개선된 강화 학습 방법(Partially Observable Markov Decision Process)을 분석하여 수립한 알고리즘을 동작 검증을 위한 임베디드 보드(Embedded Board)에 실제 적용하여 보았다. 이 연구를 통해 4족 보행 로봇의 효율적인 지형 극복형 보행 방식 설계 방법을 제안하며, 특히 IMU 센서의 지능적인 균형제어 방법을 평가하고 다양한 통신방식과 서보모터 제어 방식을 실험하고 구현하였다. 또한 모터 가감속 제어를 통해 보다 부드럽고 안정적인 보행을 구현한다.

본 논문에서는 무선센서네트워크 기반의 연안·해양 환경모니터링 시스템을 이용해 연안·해양지역의 대기환경 정보는 물론 수질 환경의 정보를 측정하여 모니터링하였다. 연안 및 해양 환경의 모니터링을 위해 고려된 해양 센서를 사용하여 무선 센서 네트워크를 이용하여 온도, 습도, 조도, 기압, 이슬점의 대기환경 정보와 용존산소량(DO), 수소이온지수(pH), 수온 등의 수질환경 정보를 측정한 후 측정된 환경 정보를 베이스스테이션으로 전송하고 모니터링 하도록 하였다. 환경 정보를 전송할 때 정확하고 신속한 전송을 위하여 데이터 전달 확률이 높은 여러 라우팅 프로토콜 전송방식을 이용하여 전달하였다.

본 논문에서는 비평탄 지형 보행이 가능한 이동형 로봇의 설계 최종 목적에 최적화된 12자유도 소형 4족 로봇의 하드웨어를 설계하였으며, 비평탄 지형을 극복하기 위한 지능적인 보행을 설계하고 그에 따른 각 관절별 모터들의 용량을 분석하고 시뮬레이션을 통해 최적의 파라미터값들을 도출한다

4족 보행 로봇의 보행을 이해하기 위하여 역기구학 분석은 필수적인 요소이다. 본 논문에서는 각 다리가 3개의 자유도를 갖는 보행 로봇에 대한 역기구학을 직관적인 방법으로 해석하여 제공한다. 또한 다리의 끝단에 대응하는 관절 각도를 계산하는 프로그램을 개발하였으며 관련된 입출력 값들의 관계를 그래프 형태로 확인하였다.

최근 개인형 이동장치의 사용이 증가하며 이와 관련된 안전문제가 제기 되었다. 그 중 높은 비중을 차지하는 헬멧 미착용에 대해 사용자들에게 헬멧의 거부감을 감소시키고 착용을 장려할 수 있는 서비스를 개발하여 실제 착용률을 증가시키고 사고시 위험 정도를 감소시킬 수 있는 애플리케이션을 설계하였다.

코로나 19 장기화로 비대면, 원격 수업, 재택 근무 등 생활 형태가 변하면서 일회용품 쓰레기도 증가했다. 분리배출 표시제도가 자주 변경되어 가정에서 판단시 어려움을 느낄 수 있다. 이에 본 연구에서는 재활용 가능 여부를 알려주고, 생활폐기물의 수거 기준에 맞는 처리방법을 알 수 있도록 돕는 분류 시스템을 개발하고 평가한다.

Oral cancer is a type of cancer that has a high possibility to be cured if it is threatened earlier. The convolutional neural network is very popular for being a good algorithm for image recognition. In this research, we try to compare 4 different architectures of the CNN algorithm: Convnet, VGG16, Inception V3, and Resnet. As we compared those 4 architectures we found that VGG16 and Resnet model has better performance with an 85.35% accuracy rate compared to the other 3 architectures. In the future, we are sure that image recognition can be more developed to identify oral cancer earlier.

CT의 반복재구성방법은 투영과 역투역을 번갈아가며 최적의 단면영상을 얻을 때까지 반복한다. 영상재구성 시간을 단축하기 위하여 시간이 많이 소요되는 투영을 빠르게 수행할 수 있는 알고리즘이 필요하다. 본 논문은 Siddon 알고리즘을 개선한 Jacobs 버전보다 대략 10% 빠른 알고리즘을 제안한다. 평행빔의 경우에 대해 조사되었지만 향후 부채살빔 및 콘빔의 경우로 확장이 가능하다.

도시의 복잡화와 노후화로 인해 신규·대형 재난의 발생 빈도가 늘고 재난의 피해 규모가 커짐에 따라 신속하고 정확한 재난 상황관리가 필요하다. 재난 상황관리의 신속성과 정확성을 높이기 위해 상황관리 의사결정을 지원하기 위한 보다 체계적인 방법의 필요성이 대두되고 있으며, 이를 위해 기존 재난 상황관리 의사결정 지원 방법의 고찰이 선행되어야 한다. 이 논문에서는 재난 상황관리 의사결정 지원을 위한 기존 방법을 비교·검토하고 이를 기반으로 지능형 재난 상황관리 의사결정 지원을 위해 해결해야 할 도전과제를 제안한다.

부두 내 컨테이너를 적재하는 과정에서 정렬 상태가 부정확한 경우 강풍으로 인한 안전사고가 발생할 가능성이 있다. 본 논문에서는 컨테이너 안전사고를 예방하기 위한 딥러닝 기반의 컨테이너 정렬 상태 분류 알고리즘을 제안한다. 제안하는 알고리즘은 정렬을 분류하는 기준을 제시하고 YOLO 기반의 모델을 구현했다. 추론 속도, 검출 정확도, 분류 정확도를 기준으로 각 모델의 성능을 평가했으며 성능 결과는 YOLOv4모델이 YOLOv3모델에 비해서 추론 속도는 느리지만, 검출 정확도와 분류 정확도는 높음을 보인다.

전 세계적으로 코로나바이러스가 유행함에 따라 비대면 활동을 비롯하여 전자 필기 이용 및 상품 소비가 증가하였다. 전자 필기에 대한 수요가 늘어남에 따라 전자 필기 글씨체 교정에 대한 관심 또한 증가하는 추세이다. 본 논문에서는 전자 필기 이미지에서 음절과 음소 영역을 추출하여 글씨를 분석하고, 이를 사용하여 사용자의 손글씨에서 개선점을 찾아낼 수 있는 딥러닝 알고리즘을 제안한다. 제안한 알고리즘을 통해 사용자가 원하는 전자 필기 글씨체를 효과적으로 습득할 수 있도록 사용자 글씨에 대해 구체적인 피드백을 제공하는 딥러닝 기반 태블릿 PC 용 한글 전자 필기 연습 및 분석 앱에 대한 연구를 소개하였다.

현행 전자출결 시스템은 강의실이 아닌 곳에서 지정된 숫자만 제공되면, 정당하지 않은 방법으로도 출석을 진행할 수 있다. 이런 맹점을 개선하기 위해 본 논문에서는 인증용 데이터를 텍스트가 아닌 음성 데이터를 이용한다. 본 논문에서 제안하는 SOUND-QR 인증 시스템은 음원을 전달할 때 특정 데이터가 포함된 음원을 잡음과 왜곡 환경에 강한 오디오로 변환하고 이러한 음원을 각 기기에서 입출력시 발생하는 특성 차이를 인증에 활용함으로써 현장에 있는 기기에서만 출결이 인정되도록 한다.

본 연구에서는 하나의 2D 이미지를 StyleGAN을 통해 다각도의 이미지를 생성하고, 그것을 다시 Kaolin으로 구현한 역그래픽 렌더러의 입력으로 받아 3D 오브젝트로 변환한다. 또한, 클레이튼 기반의 블록체인을 통해 NFT 기술을 통하여 3D 오브젝트를 NFT로 만들 수 있도록 한다. 최종적으로 2D 이미지를 메타버스에서 활용할 수 있는 3D 패션 아이템으로 변환하고 NFT를 발행하여 거래한다. 본 연구는 개인이 자유롭게 메타버스 콘텐츠를 제공하고 거래하여 메타버스 활성화에 기여할 것으로 기대한다.

2021년에 발표된 재활용 가능 자원의 분리수거 관한 정부 지침으로 투명 페트병은 유색 플라스틱과 구분되어 분리배출하는 것이 의무화되었다. 그러나 제도가 시행된 지 반년이 지났지만, 혼합 배출률이 크게 줄지 않았고 아파트에서는 미화원들이 일일이 투명 페트병을 분리하고 있는 등 주민들의 불편함은 커지고 있다. 본 논문에서는 기존 분리수거장에 쉽게 설치 가능한 보급형 페트병 분리수거 시스템을 개발하여 분리수거 효율성을 높이고자 한다. 우리는 AlexNet, GoogleNet 알고리즘을 이용하여 딥러닝 모델을 이용하고 자체 제작한 데이터셋으로 학습시켜 하드웨어에 적용함으로써 보급형 페트병 분리수거 시스템을 설계하였다.

새로운 사회의 흐름에 발맞춰 소속과 공유에 대한 필요성이 부각되고 있다. 본 서비스는 통일된 양식, 확실한 답변, 부담 없는 만남을 기반으로 사용자 경험을 제공한다. 사용자가 커뮤니티 그룹을 통해 친근감을 경험할 수 있는 UX/UI 를 디자인 했고 신속하고 간편한 인터랙션으로 다른 사용자와 즉석 번개 만남을 제공할 수 있는 서비스를 제안한다. 이를 위해 본 연구는 집단 기반 즉흥적인 만남을 위한 모바일 앱을 구현했다.

'홈가드닝' 시장의 성장이 가속화되면서 식물에 관심을 가지는 사람들이 많아지고 있으나, 초보자의 경우 식물 육성에 있어 어려움이 존재한다. 본 논문에서는 이러한 한계를 극복하기 위한 방안으로 일조량, 계절, 크기 등 세분화된 조건을 바탕으로 하는 지식 기반 추천 시스템을 적용한 식물 추천 시스템을 제안하고 있다. 해당 시스템을 통해 사용자의 환경에 맞는 식물을 추천하여 육성 및 관리를 돕고자 한다.

Keyword-Based Contents Recommendation Web Service(서비스명 'mobodra')는 미디어 종류 및 장르 취향을 유저별로 분석하여 이에 맞는 콘텐츠를 추천하는 웹 서비스이다. 유저들은 회원가입 시 웹에서 제공하는 랜덤한 작품 중에 일부를 선택하며 서버에서 이를 토대로 취향을 분석한다. 해당 분석을 토대로 유저별 선호 콘텐츠를 추천한다. 본 논문에서는 아이템 기반 협업 필터링(Item-Based Collaborative Filtering)을 통해 콘텐츠 추천 알고리즘을 구현한다. 유저의 활동 데이터 혹은 선호도 재조사 시 위 과정을 다시 실행하여 사용자의 취향을 갱신한다.

기존에 제안된 웹 검색 전략에서 벗어나, 해시태그로 카테고리를 반영하여 더 빠르고 효율적인 게시물 검색 전략을 제안하고, 수학적으로 접근하여 비교한다.

SNS기능과 운동 컨텐츠가 융합된 커뮤니케이션으로 사용자간 편리하게 자신들의 운동 계획과 효과적인 운동 방법을 공유할 수 있다. 따라서 운동 초보자들이 겪는 자신들의 운동 방향이나 계획을 정하는데 있어 발생하는 어려움과 운동을 통해 자신의 인지도를 높이고 싶은 사람들의 요구사항을 SNS기능을 통해 충족시킨다. 또한 타 유저가 만든 운동 계획 다운로드 받을 수 있게 하여 자신이 만든 운동 계획과 함께 더 체계적인 운동 계획을 수립할 수 있으며 메타버스 플랫폼을 이용하여 실시간으로 소통할 수 있다.

추천 시스템에서 사용되는 피드백은 단일 클래스와 다중 클래스 피드백으로 구분할 수 있다. 추천 시스템을 위한 지식 증류 기법들은 단일 클래스 환경에서 주로 연구되어 왔다. 우리는 다중 클래스 환경에서 또한 추천 시스템을 위한 최신 지식 증류 기법들이 효과적인지에 대해 알아보고자 하며, 해당 방법들 간의 추천 정확도를 비교해보고자 한다. 추천 시스템에서 보편적으로 사용되는 데이터 셋들을 기반으로 한 실험들을 통해 추천 시스템을 위한 지식 증류 기법들은 같은 조건의 기본적인 추천 시스템에 비해 정확도가 최대 193%까지 개선되는 것을 확인했다.

최근 질적인 삶의 중요성과 건강에 대한 필요성이 향상되면서 운동의 중요성에 대한 국민의 인지도가 증가했다. 체력적인 효과 심리적인 효과 면역효과 등 운동이 주는 많은 긍정적인 영향들로 인해 최근 건강관리에 대해 사람들의 관심이 많이 증가했으나 자신에게 알맞는 운동 방법을 알지 못해 정작 운동을 실천하는 수는 그 수의 절반뿐이다. 따라서 개인의 신체 알맞는 운동을 추천해 줄 수 있는 추천 시스템이 필요하다. 본 논문에서는 신장, 몸무게, 나이, 주당 운동 횟수, 성별과 같은 개인화 요소를 이용한 협업 필터링과 k-nn 을 R 시스템을 사용하여 사용자 개인 맞춤형 운동 추천 시스템을 제안한다.

최근 노동 집약적인 성격의 섬유 산업에서는 AI를 통해 공정에 들어가는 시간과 비용을 줄이고 품질을 최적화 하려는 시도를 하고 있다. 그러나 섬유 방사 공정은 데이터 수집에 필요한 비용이 크고 체계적인 데이터 처리 시스템이 부족하여 축적된 데이터양이 적다. 또 방사 목적에 따라 특정 변수 위주의 조합에 대한 데이터만을 우선적으로 수집하여 데이터 불균형이 발생하며, 물성 측정환경 차이로 인해 동일 방사조건에서 수집된 샘플 간에도 오차가 존재한다. 이러한 데이터 특성들을 고려하지 않고 AI 모델에 활용할 경우 과적합과 성능 저하 등의 문제가 발생할 수 있다. 따라서 본 논문에서는 물성 단위 및 허용오차를 고려한 이상치 처리 기법과 데이터 불균형 정도 및 물성과의 상관성을 고려한 오버샘플링 기법을 물성 예측 모델에 적용한다. 두 기법들을 모델에 적용한 결과 그렇지 않은 모델에 비해 물성 예측 오차와 방사 공정 데이터에 대한 모델의 적합도가 개선됨을 보인다.

The glut of information aggravated the process of data analysis and other procedures including data mining. Many algorithms were devised in Big Data and Data Mining to solve such an intricate problem. In this paper, we conducted research about the comparison of several similarity measures and community detection algorithms in collaborative filtering for movie recommendation systems. Movielense data set was used to do an empirical experiment. We applied three different similarity measures: Cosine, Euclidean, and Pearson. Moreover, betweenness and eigenvector centrality were used to detect communities from the network. As a result, we elucidated which algorithm is more suitable than its counterpart in terms of recommendation accuracy.

본 연구에서는 전이 엔트로피 개념을 활용하여 주요 상품 선물의 하방 리스크 지수의 정보 흐름을 바탕으로 한 인과관계 네트워크를 구성하였다. 그리고 구성된 네트워크를 활용하여 금융 시장을 분석하였으며, 또한 정보 흐름의 존재 여부를 바탕으로 상품 선물의 하방 리스크 지수의 예측력이 개선될 수 있는지 확인하고자 하였다. 이를 위하여 정보 불확실성의 감소량을 측정하는 전이 엔트로피를 인과관계의 측정 지표로 상정하였으며, 전이 엔트로피 측정 시 발생할 수 있는 유한크기효과(finite size effect)를 조정하는 데 있어서 효과적인 지표인 효율적 전이 엔트로피를 활용하여 정보 흐름 네트워크를 구성하였으며 이를 이용하여 금융 지수 간의 인과관계를 분석하고 EDaR 의 등락 예측에 활용하였다. 그 결과, 금융 시장 지수를 효율적 전이 엔트로피를 이용한 인과관계 네트워크를 활용하여 금융 시장의 복잡계 네트워크 분석이 가능함을 확인하였고, 구성된 네트워크를 활용하여 국내 금융 시장 등락 예측에 있어 더 적은 데이터 열을 활용하여 거의 유사한 예측 결과를 냄으로써 상품 선물 시장 관련 예측의 데이터 열 선택에 활용할 수 있음을 확인하였다.

한계기업은 성장가능성이 있는 기업들에게 돌아가야 할 자금 및 지원정책을 기업의 연명수단으로 전략하게 될 가능성이 있어 비효율적 자원배분을 초래하게 되며 이는 궁극적으로는 경제성장의 제약을 유발하게 된다. 따라서 본 연구에서는 뉴스 데이터를 활용하여 이러한 한계기업을 초기에 탐지할 수 있는 방법을 제안하고자 한다. 연구결과, 뉴스 데이터를 활용하였을 경우, 그렇지 않은 경우보다 모든 지표가 우수한 것으로 나타나 실제적인 문제에서의 적용 타당성과 가능성을 보였다. 이를 통해 기업은 부실화된 정도를 사전에 예측하여 경영 전략 재수립을 위한 지표로 활용할 수 있을 것이며, 투자자는 리스크를 관리할 수 있는 수단으로 활용될 수 있다.

KAIST 캠퍼스 기반의 실습환경 구축을 위하여 캠퍼스 전체를 스마트시티 테스트베드로 사용하며 CCTV 네트워크 기반 모니터링/관제 시스템 구축, 교통, 방범, 가로등, CCTV, 교내 버스 등 인프라 통합 관제 및 보안 실습실 구축하고 교내 자율주행 기술 연구진과 실습 협력 추진을 통한 캠퍼스 기반의 실전 스마트 환경을 토대로 다각도의 보안 공격/방어 실습을 진행하고 지자체 및 컨소시엄 기업들과 산학협력 프로젝트를 진행하기 위하여 구축한 내용을 설명한다.

최근 자연어처리 분야에서는 Bert, GPT 등 Transformer기반의 언어모델 연구가 활발히 이뤄지고 있다. 이러한 언어모델은 대용량의 말뭉치 데이터와 많은 파라미터를 이용하여 사전학습을 진행하여 다양한 자연어처리 테스트에서 높은 성능을 보여주고 있다. 이에 본 논문에서는 Transformer기반의 언어모델인 Bert와 GPT-2의 성능평가를 진행한다. 성능평가는 '네이버 영화 리뷰' 데이터 셋을 통해 긍정 부정의 정확도와 학습시간을 측정한다. 측정결과 정확도에서는 GPT-2가 Bert보다 최소 4.16%에서 최대 5.32% 높은 정확도를 나타내었지만 학습시간에서는 Bert가 GPT-2보다 최소 104초에서 116초 빠르게 나타났다. 향후 성능 비교는 더 많은 데이터와 다양한 조건을 통해 구체적인 성능 비교가 필요하다.

With the tremendous rise in popularity of the Internet and technological advancements, many news keeps generating every day from multiple sources. As a result, the information (News) on the network has been highly increasing. The critical problem is that the volume of articles or news content can be overloaded for the readers. Therefore, the people interested in reading news might find it difficult to decide which content they should choose. Recommendation systems have been known as filtering systems that assist people and give a list of suggestions based on their preferences. This paper studies a personalized news recommendation system to help users find the right, relevant content and suggest news that readers might be interested in. The proposed system aims to build a hybrid system that combines collaborative filtering with content-based filtering to make a system more effective and solve a cold-start problem. Twitter social media data will analyze and build a user's profile. Based on users' tweets, we can know users' interests and recommend personalized news articles that users would share on Twitter.

온라인 음원 스트리밍 서비스가 확대되면서 음원 사재기가 빈번해지고 있다. 본 논문에서는 사재기로 의심할 수 있는 음원의 특징을 분석하고, 사재기가 이루어지지 않았을 경우의 음원 순위를 예측한다. 그 결과, 랜덤 포레스트를 통해 앨범 평점이 낮은 음원, 장르가 인디나 발라드인 음원, 특정 발매사의 음원일 때 사재기로 의심할 수 있었다. 또한, 딥러닝을 통한 순위 예측 실험 결과, 사재기의 영향으로 실제 순위와 예측 순위에 큰 차이가 있는 것으로 나타났다.

본 연구는 국방과학기술 분야의 특허 및 논문 실적을 이용하여 통계기반 기계학습 모델 4 종을 학습하고, 실제 분석 대상기관의 데이터 입력결과를 분석하여 실용성에 대한 한계점 분석을 목적으로 한다. 기존 연구에서는 특허분류코드를 기준으로 분류하여 특수 목적으로 활용하거나 세부 연구 범위 내 연구 주제탐색 및 특징연구 등 미시적인 관점에서의 상세연구 활용 목적인 반면, 본 연구는 거시적인 관점에서 연구의 전체적인 흐름과 경향성 파악을 목적으로 한다. 이에 ICT 기술 138 종의 특허 및 논문 30,965 건과 국방과학기술 192 종의 특허 및 논문 23,406 건을 학습데이터로 각 모델을 학습하였다. 비교한 통계기반 학습모델은 Support Vector Machines, Decision Tree, Naive Bayes, XGBoost 모델이다. 학습데이터에 대한 학습검증 단계에서는 최대 99.4%의 성능을 보였다. 다만, 실제 분석대상기관의 특허 및 논문 12,824 건으로 입력분석한 결과, 모델별 편향성 문제, 데이터 전처리 이슈, 다중클래스 및 다중레이블 문제를 확인, 도출한 문제에 대한 해결방안을 제시하고 추가 연구의 방향성을 제시한다.

본 연구에서는 소셜 네트워크 서비스(Social Network Service, SNS) 데이터로부터 약물 부작용 게시글을 추출하기 위한 순환 신경망(Recurrent Neural Network, RNN) 기반 분류 모델을 제안한다. 먼저, 처방 빈도가 높으며 게시글을 많이 확보할 수 있는 케토프로펜 약물에 대하여 국내 최대 소셜 네트워크 플랫폼인 네이버 블로그와 카페의 게시글(2005 년~2020 년)을 확보하고 최종 3,828 건을 분석하였다. 결과적으로 케토프로펜에 대한 3 종(약물, 부작용, 불용어)의 렉시콘을 정의하였으며 이를 기반으로 Bi-LSTM 분류모델 기준 87%의 정확도를 얻었다. 본 연구에서 제안하는 모델은 SNS 데이터가 약물 부작용 정보 획득을 위한 기존 (전자의무기록, 자발적 약물 부작용 보고 시스템 등) 자료원에 대한 보완적 정보원이 되며, 개발된 Bi-LSTM 분류모델을 통해 약물 부작용 게시글 추출의 편리성을 제공할 것으로 기대된다.

한국 문학이 세계로 뻗어나감에 따라 해외 시장에서 자리를 잡는 것이 중요해진 시점이다. 본 연구에서는 2016 년도부터 2020 년도까지 최근 5 년간 해외 출간된 도서들 중에서 굿셀러로 분류되는 누적 5 천부 이상 판매 여부를 예측하고자 했다. 굿셀러로 분류되는 도서는 전체 번역 도서 중 적은 비율을 차지하여 데이터 불균형이 발생하였으며, 본 연구에서는 SMOTE 기법과 앙상블 알고리즘을 적용하여 데이터 불균형 문제를 해결하였다. 그 결과, 데이터 클래스 비율이 1:1 에 가까울수록 성능 개선 효과가 나타났으며 LightGBM 모델이 99.83%의 AUC 값을 얻어 다른 앙상블 알고리즘에 비해 가장 좋은 예측 성능을 보임을 검증하였다. 또한 누적 5 천부 이상 판매 여부 예측에 있어 큰 영향을 미치는 변수로는 작가가 가장 중요한 요인으로 나타났으며 출간 국가, 그리고 평점 평균, 평점 참여자 수 같은 온라인 요인도 판매 예측에 유의미한 변수로 나타난 것을 확인할 수 있었다.

반도체 제조업은 정해진 시간 내에 최고의 품질의 반도체를 대량 생산해 내는 것을 목표로 한다. 생산량을 높이기 위해 유휴 시간을 최소화하는 연구가 꾸준히 진행 중이며 가장 대표적인 유휴 시간은 예방 정비이다. 예방 정비는 설비의 문제가 발생하기 전 예방하는 작업으로 품질 향상에 높은 영향을 미치는 작업인 반면 생산량이 크게 떨어지는 작업이다. 이 작업 시간을 최소화하기 위하여 작업 후 복구되는 시간에서 중복되는 작업을 최소화하는 방법을 선택한다. 샘플 테스트를 반복하며 조율해 나가던 작업을 연구 모델을 이용해 종말점 설정 값의 예측한 값을 바로 적용하여 최소한의 샘플 테스트를 거쳐 신뢰 구간 달성 후 생산에 재 합류하는 것을 목표로 한다. 설비에서 수집된 데이터를 학습하여 종말점 설정 값 예측 모델에 대하여 연구한다. 연구 모델을 사용한 예측 결과가 신뢰 구간에 포함되어 샘플 테스트 개수를 줄이는데 유효한 효과가 있음을 확인한다.

협업 필터링은 사용자들간의 집단 지성에 기반한 추천 알고리즘이다. 다양한 시스템에 쓰이고 있는 협업 필터링과 그 장단점에 대해서 알아본다. 그리고 본 논문에서는 기존의 학사 관리 시스템에 협업 필터링을 적용한 새로운 학사관리 시스템을 제안한다.

비디오 월 컨트롤러의 멀티스크린에 여러 영상을 동시에 표출하는 경우 운영자는 표출할 영상들을 미리 설정해두고 필요할 때 이를 불러와서 표출한다. 비디오 월 컨트롤러의 운용 상황에 따라 표출하는 영상이 달라질 수 있지만, 관련성이 높은 영상들로 레이아웃을 구성하여 표출하는 것이 일반적인 운용 방식이다. 등록되어 있는 영상의 개수가 많지 않은 소규모의 시스템에서는 영상을 선택하고 설정하는 작업이 간단하지만, 영상의 개수가 늘어날수록 영상의 설정과 관리에 많은 시간과 비용이 소요된다. 따라서 본 논문에서는 Implicit Rating과 워드투벡터를 이용하여 비디오 월 컨트롤러에 표출할 영상을 자동으로 설정하는 모델을 제안한다.

농축업에 ICT 기술을 접목한 스마트 팜은 생육환경을 자동으로 조절하여 노동력 등을 줄이고도 생산성과 품질을 향상시키는 것이 큰 장점이다. 하지만, 수익으로 이어지는 출하량과 품질 유지를 위해서 병충해에 주의를 기울여야 함은 여전하다. 따라서 토마토 잎 병충해 발생 시, 적절한 대응을 통해 더 큰 피해를 막을 수 있으므로, 초기 증상을 포착하는 기법을 개발한다. 오픈 데이터 셋인 Ai hub 의 시설작물 질병 데이터셋과 추가로 확보한 샘플을 포함해 2 개의 충해, 4 개의 병해에 1,231 장으로 데이터셋을 직접 구성해서 학습했다. 객체 탐지와 세그먼테이션이 동시에 가능하며 작은 병변도 잘 탐지하는 모델을 사용해서 총 6 가지 병충해에 대한 뚜렷한 증상 탐지를 보여주었다.

최근 딥러닝 기술이 모바일 기기에 활발히 적용됨에 따라 다양한 엣지 디바이스에서 신경망 모델의 추론 성능을 측정하는 것이 중요해지고 있다. 하지만 디바이스 별 환경 구성과 런타임별 모델 변환 방식이 다르기 때문에 이를 실제로 수행하는 것은 많은 시간을 필요로 한다. 따라서 본 논문에서는 이기종 환경을 고려하여 추론 성능을 측정할 수 있는 Docker 기반의 프로그램을 구현하였고, 이를 이용하여 다양한 엣지 디바이스에서 최신 모델들의 추론 성능을 측정하였다. 또한, 본 프로그램으로 확보 가능한 추론시간 데이터 기반 추론 성능 예측 연구의 사전 연구로서, 대표적 경량모델인 MobilenetV1 에 대한 연산자별 프로파일링을 수행하여 추론시간의 변화 양상을 관찰하였다.

본 연구는 도메인 특성이 강한 HR 평가문장을 BERT PLM 모델을통해 4 가지 class 로 구분하는 문제를 다룬다. 다양한 PLM 모델 적용과 training data 수에 따른 모델 성능 비교를 통해 특정 도메인에 언어모델을 적용하기 위해서 필요한 기준을 확인하였다. 또한 Unlabeled 된 HR 분야 corpus 를 활용하여 BERT 모델을 post-training 한 HR-BERT 가 PLM 분석모델 정확도 향상에 미치는 결과를 탐구한다. 위와 같은 연구를 통해 HR 이 가지고 있는 가장 큰 text data 에 대한 활용 기반을 마련하고, 특수한 도메인 분야에 PLM 을 적용하기 위한 가이드를 제시하고자 한다

최근에 자율 주행 자동차에 관련한 관심이 증가하면서 다양한 연구들이 도출되고 있다. 특히, 자율 주행 자동차를 시뮬레이터에서 검증하는 방법은 실 환경과 비교할 때 상대적으로 안전한 성능 검증 방법으로 많이 활용되고 있다. 시뮬레이터의 핵심 기술은 실 환경과 가상 시뮬레이션 환경의 차이를 줄이는 데 있다. 본 논문에서는 Generative Adversarial Imitation Learning(GAIL)[1] 기반으로 자율 주행 자동차 시뮬레이터 내에서 다수의 가상 동적 객체들의 움직임을 제어하는 방법을 제안한다. GAIL은 생성기와 판별기로 구성된다. 생성기는 강화학습 정책 생성기와 전문가 정책 생성기를 포함한다. 판별기는 보상 학습기를 포함한다. GAIL 기반으로 가상 자동차 및 가상 보행자를 제어함으로써 동영상에서의 이동경로를 학습해서 표현할 수 있다.

자율주행 차량의 성능을 검증하기 위해서는 다양한 검증용 시나리오가 필요하기 때문에 최근에는 검증용 시나리오를 자동으로 생성하기 위한 연구들이 수행되고 있다. 실세계에서 발생되는 다양한 현상을 반영한 시나리오를 생성하기 위해서는 자율주행 차량의 주변 상황에 대한 측정이 필요하지만, 공간적인 문제로 한계가 발생한다. 이와 같은 데이터 수집의 어려움을 자율주행 차량에 탑재된 블랙박스의 영상을 통해서 생성하는 것이 가능하다. 본 논문에서는 DRQN을 이용하여 자율주행 차량 사고영역을 자동으로 탐지하는 방법을 제안한다. 동영상에서 추출된 프레임을 분석해서 교통사고 원도우의 초기 위치를 설정한다. DRQN 학습 프레임워크로 차량의 특징을 도출한다. 마지막으로 특징을 기반으로 교통사고 원도우의 크기와 위치를 조정해서 교통사고 영역을 정확하게 찾는다.

최근 IT 산업의 지속적인 발전으로 사용자들을 위협하는 악성코드, 피싱, 랜섬웨어와 같은 사이버 공격 또한 계속해서 발전하고 더 지능화되고 있으며 변종 악성코드도 기하급수적으로 늘어나고 있다. 지금까지의 시그니처 패턴 기반의 탐지법으로는 이러한 방대한 양의 알려지지 않은 악성코드를 탐지할 수 없다. 따라서 CNN(Convolutional Neural Network)을 활용하여 악성코드를 탐지하는 기법들이 제안되고 있다. 이에 본 논문에서는 CNN 모델 중 낮은 인식 오류율을 지닌 모델을 선정하여 정확도(Accuracy)와 F1-score 평가 지표를 통해 비교하고자 한다. 두 가지의 악성코드 이미지화 방법을 사용하였으며, 2015 년 이후 ILSVRC 에서 우승을 차지한 모델들과, 추가로 2019 년에 발표된 EfficientNet 을 사용하여 악성코드 이미지를 분류하였다. 그 결과 2 바이트를 한 쌍의 좌표로 변환하여 생성한 256 * 256 크기의 악성코드 이미지를 ResNet-152 모델을 이용해 분류하는 것이 우수한 성능을 보임을 실험적으로 확인하였다.

차량에 부착된 블랙박스의 교통사고 동영상은 사고 발생시 사고를 분석하기 위한 핵심 자료로 다양하게 활용되고 있다. 교통사고 동영상을 자동으로 분류할 수 있다면, 해당 동영상의 활용도를 더욱 높일 것으로 판단된다. 본 논문에서는 텍스트 기반 교통사고 특징 추출 및 분류 방법을 제안한다. 교통사고 동영상을 변환한 JSON 파일에서 불변 특징, 정적 특징 그리고 동적 특징을 추출하고 결합하여 합성 특징을 생성한다. 마지막으로 합성 특징을 사용하여 교통사고 동영상을 분류한다.

산업 현장에서 인력으로 작업할 수 있는 물리적 한계를 극복하기 위해 특수 목적 차량 작업 시 차량의 넘어짐 방지와 차체 보호를 위해 아웃트리거를 착지시키는데 도로 상태에 따라 사용자가 직접 최적화를 수행하는데 어려움이 존재한다. 본 논문에서는 도로 표면 상태를 신속하게 판단하여 아웃트리거 수직 및 수평 전개 착지 시 시간 소모, 안전사고 발생을 낮추기 위해 시멘틱 분할을 이용한 도로 표면 상태를 분석하는 연구를 수행하였다. 13가지로 구분된 도로 표면 상황에 대하여 DeepLabV3+를 통해 실험한 결과 픽셀 성능0.7819, mIoU 0.7085 결과를 도출하였다.

교통사고 예측은 차량의 블랙박스 동영상을 통해 사고 발생을 최대한 빨리 예측하는 것을 목표로 한다. 이는 안전한 자율주행 시스템을 보장하는 데 중요한 역할을 한다. 다양한 교통 상황과 카메라의 제한된 시야로 인해 프레임에서 사고 가능성을 조기에 관찰하는 것은 어려운 도전이다. 예측의 핵심 기술은 객체의 시공간 관계를 학습하는 것이다. 본 논문에서는 블랙박스 동영상에서 사고 예측을 위한 계산 모델을 제안한다. 이것을 사용하여 사고 예방을 강화한다. 이 모델은 사고 위험에 대한 운전자의 시각적 인식에서 영감을 받았다. 객체 탐지기는 동영상 프레임에서 다양한 객체를 탐지한다. 탐지한 객체는 노드 생성기와 특징 추출기 동시에 통과한다. 노드 생성기에서 생성한 노드는 GCN 실행기를 사용한다. GCN 실행기는 각 프레임에 대한 객체의 3D 위치 관계를 계산한 후 공간 특징을 취득한다. 동시에 공간 특징과 특징 추출기에서 얻은 객체의 특징은 GRU 실행기로 보내진다. GRU 실행기 안에 시공간 특징을 암기하고 분석하여 교통사고 확률을 예측한다.

광원 자체의 밝기가 낮거나 드리워진 그림자 등의 이유로 어두운 영역을 포함하고 있는 저조도 영상으로 인해 물체의 식별이 어려운 상황을 일상생활에서 겪게 된다. 본 논문에서는 조명 성분의 영향을 줄이고 객체의 특징을 표현하는 반사 성분을 강조하여 화질을 개선한다. 또한 촬영하는 카메라와 영상의 물체 사이의 상대적인 움직임으로 발생하는 흐릿한 영역을 최대한 제거해주고 잡음까지 보정이 되는 Stack-attention 기법을 제안한다.

대부분의 머신러닝 및 딥러닝 모델의 경우 하이퍼 파라미터 선택은 모델의 성능에 큰 영향을 미친다. 따라서 전문가들은 작업을 수행하기 위해 모델을 구축할 때 하이퍼 파라미터 튜닝을 수행하는 데 상당한 시간을 소비해야 한다. Hyperparameter Optimization(HPO)을 해결하기 위한 알고리즘은 많지만 대부분의 방법은 검색을 수행하기 위해 각 epoch에서 실제 실험 결과를 필요로 한다. 따라서 HPO 검색을 위한 시간과 계산 지원을 줄이기 위해 본 논문에서는 Multi-agent Proximal Policy Optimization(MAPPO) 강화 학습 알고리즘을 제안한다. 2개의 이미지 분류 데이터 세트에 대한 실험 결과는 우리의 모델이 속도와 정확성에서 다른 기존 방법보다 우수하다는 것을 보여준다.

주식과 암호화폐 거래는 매매방식에 있어서 유사한 점이 있지만 기업의 사업분야, 자본금, 순이익 등의 경영현황과 미래가치에 영향을 많이 받는 주식과는 다르게 암호화폐는 실물 실체가 없으며 탈중앙화, 전산화된 데이터를 기반으로 하며 심리적인 요소가 크게 작용하여 단기적인 변동이 클 수 있다. 본 연구에서는 이러한 암호화폐 거래의 특성을 활용하여 특정 암호화폐에 관련된 뉴스기사들을 수집하고 그 암호화폐의 가격 변화 데이터와 연관되어 가격예측 딥러닝 모델을 생성하고 해당 암호화폐에 대한 신규 뉴스기사가 발생되었을 때 이를 이용하여 매수, 매도, 관망 등과 같은 매매 정보를 예측 적용할 수 있게 하였다. 첫째, 뉴스 기사에서 언급한 암호화폐를 매수, 매도, 관망 중 어느 편이 좋을 것인지 추천하는 알고리즘을 구현하였고, 둘째, 매수 이후 매매 차익을 위한 매도 시점이나 매도 이후 저가매수에 유리한 시점을 제안하는 알고리즘을 구현하였다. 또한, 실시간 뉴스기사 수집 및 예측한 매매 판단에 따라 매매 자동화 시스템을 구현하여 수익률을 직접 확인함으로써 그 유효성을 검증하였다.

4차 산업혁명의 확산으로 의학계에서도 딥러닝 기술을 이용한 질병의 치료결과 예측 연구가 활발하다. 이와 관련, 일부 연구에서 국소적인 환자 데이터의 활용으로 인해 도출된 연구 결과의 일반화가 어려웠으며 예측률 제고를 위해 특정 딥러닝 알고리즘을 중심으로 한 실험이 추진되어 다양한 알고리즘별 예측률의 비교·분석 결과를 제시하는 연구도 미흡하였다. 이에, 건강보험심사평가원의 대규모 진료 정보와 다종의 알고리즘을 제공하는 AutoML을 이용, 사망률이 높은 80대·90대 노령자 대상 폐암 진단 후 84개월간의 사망률을 예측하는 Decision Tree 등 5개 알고리즘별 모델을 생성하고 이를 활용, 사망률의 예측 성능을 비교하고 사망률에 영향을 미치는 요인에 대한 분석 결과를 도출하였다.

본 연구는 최근 자연어 인공지능 연구 동향에 발맞추어 사전 학습된 언어 인공지능을 활용한 의미론적 분석을 통해 국문 보고서의 가독성을 평가하는 방법론 두 가지를 제안한다. 연구진은 연구 과정에서 사전 학습된 언어 인공지능을 활용해 추가 학습 없이 문장을 임의의 벡터값으로 임베딩하고 이를 통해 1. 의미론적 복잡도 와 2. 내재적 감정 변동성 두 가지 지표를 추출한다. 나아가, 앞서 발견한 두 지표가 국문 보고서의 가독성과 정(+)의 상관관계에 있음을 확인하였다. 본 연구는 통사론적 분석과 레이블링 된 데이터에 크게 의존하던 기존의 가독성 평가 방법론으로 부터 탈피해, 별도의 학습 없이 기존 가독성 지표에 근사한다는 점에서 의미가 있다.

세계에서 가장 중요한 온대 과일 작물 중 하나인 사과의 생산성과 품질은 병해충 여부에 큰 영향을 받는다. 이를 진단하기 위해서는 효율적이고 많은 전문 지식과 상당한 시간이 필요하다. 그러므로 이를 해결하기 위해 효율적이고 정확하게 다양한 병해충을 진단하는 시스템이 필요하다. 본 논문에서는 이미지 분석에 큰 효율을 보인 딥러닝 기반 CNN 들을 비교 분석하여 사과의 병해충 여부를 판별하고 최적의 모델을 제시한다. 딥러닝 기반 CNN 구조를 가진 AlexNet, VGGNet, Inception-ResNet-v2, DenseNet 을 채택해 사과 병해충 분류 성능 평가를 진행했다. 그 결과 DenseNet 이 가장 우수한 성능을 보여주었다.

기업의 사회적 책임에 대한 요구가 높아짐에 따라 기업의 지속 가능 경영 보고서 발간은 증가 추세를 보이고 있다. 그러나 이전까지의 연구는 지속가능성 및 기업의 재무적, 비재무적 연관성에 초점이 맞춰져 있었으며, 전통적인 토픽 모델링 기법만을 제한적으로 사용한다는 한계를 보였다. 본 연구에서는 Transformer 기반의 맥락을 고려한 토픽 모델링 기법을 도입하여 다양한 이해관계자 측면에서 이용 가능한 25 개의 주제를 도출하였다. 또한 동적 토픽 모델링(Dynamic Topic Modeling)을 통해 주제의 변화를 시계열적으로 파악했다.

부채널 분석은 하드웨어에서 발생하는 빛, 열, 전자기파와 같은 각종 부채널 정보를 이용하는 공격이다. 부채널 분석은 강력한 보안 위협에 속하지만, 부채널 정보 분석에 오랜 시간과 노력이 소요된다. 때문에 부채널 분석에 머신러닝을 접목하고자 하는 연구가 진행되었다. 머신러닝은 대량의 데이터를 학습하고 패턴을 파악하는데 용이하기 때문에 대량의 부채널 정보를 분석하는데 유리하다. 본 논문에서는 부채널 파형 데이터를 사용하여 암호 분류를 하는 머신러닝 모델을 소개한다.

본 논문에서는 비대면 교육 상황이 확대되는 시점에서 자율 학습에 유용하게 사용할 수 있는 학습자의 졸음을 인식하여 알려주는 모델을 설계하여 구현하였다. 기계학습의 CNN 알고리즘을 활용하여 공부상태와 졸음상태를 판별하는 모델을 만들고, Opencv 을 사용하여 일정 횟수 이상 졸음상태가 반복되면 알람을 울려 사용자를 잠에서 깨운다. 이 프로그램은 자기 관리 및 독립적인 학습을 수행하는 데에 도움을 줄 수 있다.

반도체 성능 향상으로 신호를 전달하는 회로의 단위가 마이크로 미터에서 나노미터로 미세화되어 선폭(linewidth)이 점점 좁아지고 있다. 이러한 변화는 검출해야 할 불량의 크기가 작아지고, 정상 공정상태와 비정상 공정상태의 차이도 상대적으로 감소되어, 공정오차 및 공정조건의 허용범위가 축소되었음을 의미한다. 따라서 검출해야 할 이상징후 탐지가 더욱 어렵게 되어, 높은 정밀도와 해상도를 갖는 검사공정이 요구되고 있다. 이러한 이유로, 미세 공정변화를 파악할 수 있는 신규 검사 및 계측 공정이 추가되어 TAT(Turn-around Time)가 증가하게 되었고, 웨이퍼가 가공되어 완제품까지 도달하는데 필요한 공정시간이 증가하여 제조원가 상승의 원인으로 작용한다. 본 논문에서는 웨이퍼의 검계측 데이터가 아닌, 제조공정 과정에서 발생하는 다양한 센서 및 장비 데이터를 기반으로 웨이퍼 제조 결과가 양품인지 그렇지 않으면 불량인지 구별할 수 있는 가상계측 모델을 제안한다. 기계학습의 여러 알고리즘 중에서 다양한 장점을 갖는 XGBoost 알고리즘을 이용하여 예측모델을 구축하였고, 데이터 전처리(data-preprocessing), 주요변수 추출(feature selection), 모델 구축(model design), 모델 평가(model evaluation)의 순서로 연구를 수행하였다. 결과적으로 약 94% 이상의 정확성을 갖는 모형을 구축하는데 성공하였으나 더욱 높은 정확성을 확보하기 위해서는 반도체 공정과 관련된 Domain Knowledge 를 반영한 모델구축과 같은 추가적인 연구가 필요하다.

시간 지식 그래프 임베딩 방법들은 주어진 시간 지식 그래프에 존재하는 개체 및 관계를 저차원의 임베딩 벡터로 표현하는 것을 목표로 한다. 그러나, 기존 방법들은 개체들의 임베딩 벡터에 그들의 시간에 따라 변화하는 특성을 반영하는 데에만 집중함에 따라, 그들의 영구적인 특성을 무시한다는 한계를 갖는다. 본 논문에서, 우리는 실세계 데이터 집합들을 이용한 실험을 통해, 시간 지식 그래프 임베딩에서 개체들의 영구적인 특성을 고려하는 것이 중요하다는 점을 논의한다.

최근 이커머스 시장의 지속적인 성장으로 빠른 배송과 대용량 물류 처리를 위한 효율적 배송 시스템 마련의 필요성이 증가하고 있다. 본 연구에서는 도심 물류 거점에서의 현재 배송 물량 할당의 불균등 문제를 실무적 관점에서 정의하고, 비지도 학습 기반 클러스터링 기법을 통해 불균등 배송 할당 문제를 개선해 보고자 했다. 분석 결과 K-means++ 알고리즘 기반 클러스터링에서 최적화된 물량 할당에 대한 개선 가능성을 검증할 수 있었다. 향후 지형 정보, 교통량 등의 상세 변수를 추가하여 머신러닝 기반의 물류 배송 최적화를 위한 연구 영역을 확장할 수 있을 것으로 기대된다.

최근 데이터 활용이 중요해지고 있는 시대인 만큼 데이터센터의 중요도도 높아지고 있다. 하지만 데이터센터는 24시간 가동되는 막대한 전력을 소모하는 시설이기 때문에 환경적, 경제적 측면에서 문제가 되고 있다. 최근 딥러닝 기법들을 사용하여 데이터센터나 서버에서 사용되는 전력을 줄이거나, 트래픽을 예측하는 연구들이 다양한 관점에서 이루어지고 있다. 그러나 서버에서 처리되는 트래픽 데이터양은 변칙적이며 이는 서버를 관리하기 어렵게 만든다. 또한, 가변적으로 서버를 관리하는 기법에 대한 연구들이 여전히 많이 요구되어지고 있다. 따라서 본 논문에서는 이러한 문제점을 해결하기 위해 시계열 데이터 예측에 강세를 보이는 장단기 기억 신경망(Long-Term Short Memory, LSTM)을 기반으로 한 가변적인 서버 관리 기법을 제안한다. 제안된 모델을 통해 현업환경에서 이전보다 안정적이고 효율적으로 서버를 관리할 수 있게 되며, 서버에서 사용되는 전력을 보다 효과적으로 줄일 수 있게 된다. 제안된 모델의 검증을 위해 위키 피디아(WikiPedia) 서버의 트래픽 데이터양을 수집한 뒤 실험을 수행하였다. 실험 결과 본 논문에서 제안된 모델이 유의미한 성능을 보이며, 서버 관리를 안정적이고 효율적으로 수행할 수 있음을 보여주었다.

최근 스마트 기기에서 오디오 데이터를 이용하는 응용 기술들이 증가하면서, 오디오 데이터에서 관심 있는 구간을 찾아내는 기술의 필요성이 증가하고 있다. 본 논문에서는 Perceiver 모델을 활용하여 오디오 데이터에서 사람의 음성 구간을 검출하고 축약하는 방법을 제안한다. Perceiver 모델은 복잡한 입력 데이터에 대하여 Self-attention을 기반으로 특징을 추출하면서 이전의 특징을 다음 입력으로 다시 학습하는 특징을 갖고 있어서 연속적인 데이터인 오디오에 효율적으로 적용할 수 있다. 외부 및 자체에서 수집한 음성과 비음성 데이터셋에 대하여 실험을 진행하였고, 10초 단위 세그먼트에서 대해서 92.4%의 검출 정확도를 달성하였다.

엣지 디바이스에서 딥러닝을 활용하기 위하여 CNN 경량화 연구들이 진행되고 있다. 경량 CNN 은 대부분 고정 소수점을 사용하며, 계층에 따라 정밀도는 달라진다. 본 논문에서는 경량 CNN 을 지원하기 위하여, 사용 계층에 따라 정밀도를 선택할 수 있는 가변 정밀도 곱셈기를 제안한다. 제안하는 가변 정밀도 곱셈기는 낮은 정밀도 곱셈기를 병합하는 구조로, 정밀도가 낮을 때는 병렬 처리를 통해 효율을 높인다. 제안하는 곱셈기를 Verilog HDL로 설계하고 ModelSim 에서 동작을 확인하였다. 설계된 곱셈기는 계층별로 정밀도가 다른 CNN 가속기에서 효율적으로 적용될 것으로 기대된다.

High-quality images and videos are being generated as technologies for deep learning-based image style translation and conversion of static images into dynamic images have developed. However, it takes a lot of time and resources to manually transform images, as well as professional knowledge due to the difficulty of natural image transformation. Therefore, in this paper, we study natural style mixing through a style conversion network using GAN and natural dynamic image generation using the First Order Motion Model network (FOMM).

안전한 암호 시스템은 평문을 복원하거나 키를 유추해낼 수 없도록 설계된다. 암호 분석은 이러한 암호 시스템에서 평문과 키를 추정하는 것이며, 알려진 평문 공격, 선택 평문 공격, 차분분석 등 다양한 방법이 존재한다. 또한, 최근에는 데이터의 특징을 추출하고 학습해내는 인공신경망 기술을 기반으로 하는 암호 분석 기법들이 제안되고 있다. 현재는 라운드 축소된 S-DES, SPECK, SIMON, PRESENT 등의 경량암호 및 고전암호에 대한 공격이 대부분이며, 이외에도 암호 분석을 위한 active S-box의 수를 예측하는 등과 같이 다양한 측면에서 인공신경망이 적용되고 있다. 향후에는 신경망의 효율적 구현, full-round에 대한 공격과 그에 대한 암호학적 해석이 가능한 연구들이 진행되어야 할 것으로 생각된다.

딥러닝 기술이 발전하면서 적용되는 산업 분야가 늘어남에 따라 딥러닝 모델에서 역으로 학습 데이터를 추출하는 등 다양한 딥러닝 모델 공격 이슈가 발생하고 있다. 이러한 위협에 대응하기 위해 딥러닝 학습에 사용되는 데이터의 노출을 방지할 수 있도록 사용자 프라이버시를 보호하는 기법의 중요성이 대두되고 있다. 동형암호는 학습 데이터를 보호할 수 있는 기법 중 하나로, 복호화 과정없이 암호화된 상태로 연산, 탐색, 분석 등을 수행할 수 있는 차세대 암호 알고리즘이다. 본 논문에서는 동형암호 기반의 딥러닝 기법 연구 동향에 대해 알아본다.

수술 중 저혈압 예측은 환자의 안전과 직결되는 중요한 과제이다. 그러나 인간이 저혈압을 예측하는 것은 많은 경험과 노하우를 필요로 하며, 현재 연구되고 있는 예측 기술은 단일 정보를 활용하여 복합적인 원인을 반영하지 못하거나, 침습적으로 데이터를 획득하여 환자에게 불편함을 준다. 비침습적으로 수집한 데이터를 통한 저혈압 발생 예측에 대한 연구는 꾸준히 진행되어 왔으나, 기존 딥러닝을 이용한 접근방법으로는 정확도가 낮다. 본 논문에서는 그 원인을 1)데이터 전처리 2)데이터 불균형 3)기존 모델의 한계로 구분하고, 이를 해결 가능한 방안을 제시한다. 실험 결과 CNN*CNN에서 Focal Loss를 사용할 때, 가장 높은 성능을 내는 것을 확인했다.

YouTube 이용자의 급증으로 많은 사람이 유튜브 알고리즘에 의해 무분별한 영상에 노출되고 있다. 이는 YouTube 이용자에게 부정적인 영향을 미칠 수 있으며 더 나아가 사회적으로 미성숙한 미디어 문화를 조장할 수 있다. 본 논문에서는 YouTube 컨텐츠에 대한 감정분석 연구를 처음으로 시도한다. 구체적으로, YouTube 컨텐츠 자막에 대해 기존의 자연어 처리 기반 감정분석 기법을 적용하여 성능을 분석한다.

In 5G network environment, proactive mobility management is essential as 5G mobile networks provide new services with ultra-low latency through dense deployment of small cells. The importance of a system that actively controls device handover is emerging and it is essential to predict mobile trajectory during handover. Sequence-to-sequence model is a kind of deep learning model where it converts sequences from one domain to sequences in another domain, and mainly used in natural language processing. In this paper, we developed a system for predicting mobile trajectory in a wireless network environment using sequence-to-sequence model. Handover speed can be increased by utilize our sequence-to-sequence model in actual mobile network environment.

일본 우주항공연구개발기구(Japan Aerospace Exploration Agency, JAXA)는 2007년부터 2017년까지 달 탐사선 셀레네(Selenological and Engineering Explorer, SelEnE)가 관측한 데이터를 수집하고, 연구했다. JAXA는 지구 상층 대기에 존재하는 산소가 자기장의 꼬리 부분에 실려 달로 이동한다는 사실을 발견했다. 하지만 이 연구는 아직 진행 중이며 달의 산화 과정 규명에 추가 연구가 필요하다. 본 논문에서는 생성적 적대 신경망(Generative Adversarial Networks, GAN)으로 달 분화구의 영구 그림자 영역을 제거하고, 물과 얼음을 발견하여 선행 연구의 완성도를 향상하고자 한다. 실험에 사용할 모델은 CIPS(Conditionally Independent Pixel Synthesis)다. CIPS는 실제 같은 영상을 고해상도로 합성한다. 합성할 데이터의 최적인 가중치 초기화 및 파라미터 갱신 방법, 활성 함수 조합은 실험을 통해 확인한다. 필요에 따라 앙상블 학습을 할 수도 있다. 성능평가는 FID(Frechet Inception Distance), 정밀도, 재현율을 사용한다. 제안한 방법은 진행 중인 연구의 시간과 비용을 절약하고, 인과관계를 더욱 명확히 밝히는 데 도움 될 수 있다고 사료된다.

본 연구에서는 머신러닝(Machine Learning, ML)과 딥러닝(Deep Learning, DL) 모델을 앙상블(Ensemble)하여 어떠한 주가 예측 방법이 우수한지에 대한 연구를 하고자 한다. 연구에 사용된 모델은 하이퍼파라미터(Hyperparameter) 조정을 통하여 최적의 결과를 출력한다. 앙상블 방법은 머신러닝과 딥러닝 모델의 앙상블, 머신러닝 모델의 앙상블, 딥러닝 모델의 앙상블이다. 세 가지 방법으로 얻은 결과를 평균 제곱근 오차(Root Mean Squared Error, RMSE)로 비교 분석하여 최적의 방법을 찾고자 한다. 제안한 방법은 주가 예측 연구의 시간과 비용을 절약하고, 최적 성능 모델 판별에 도움이 될 수 있다고 사료된다.

심층강화학습에 완전 연결 신경망과 합성곱 신경망은 잘 활용되는 것에 반해 순환 신경망은 잘 활용되지 않는다. 이는 강화학습이 마르코프 속성을 전제로 하기 때문이다. 지금까지의 강화학습은 환경이 마르코프 속성을 만족하도록 사전 작업이 필요했다, 본 논문에서는 마르코프 속성을 따르지 않는 환경에서 이러한 사전 작업 없이도 순환 신경망의 은닉 상태를 통해 마르코프 속성을 학습함으로써 학습 성능을 개선할 수 있다는 것을 소개한다.

승차 공유, 카풀, 렌터카의 이용률이 증가하면서 많은 사용자가 동일한 차량에 로컬 액세스 할 수 있는 시나리오가 더욱 보편화됨에 따라 차량 네트워크에 대한 공격 가능성이 커지고 있다. 차량용 CAN Bus Network에 대한 DoS(Denial of Service), Fuzzy Attack 및 Replay Attack과 같은 공격은 일부 ECU(Electronic Controller Unit) 비활성 및 작동 불능 상태를 유발한다. 에어백, 제동 시스템과 같은 필수 시스템이 작동 불가 상태가 되어 운전자에게 치명적인 결과를 초래할 수 있다. 차량 네트워크 침입 탐지를 위하여 많은 연구가 진행되고 있으나, 기존 화이트리스트를 이용한 탐지 방법은 새로운 유형의 공격이 발생하거나 희소성이 높은 공격일 때 탐지하기 어렵다. 본 논문에서는 인공신경망 기반의 CAN 버스 네트워크 침입 탐지 기법을 제안한다. 제안하는 침입 탐지 기법은 2단계로 나누어 진다. 1단계에서 정상 패킷 분포를 학습한 VAE 모형이 이상 탐지를 수행한다. 이상 패킷으로 판정될 경우, 2단계에서 인코더로부터 추출된 잠재변수와 VAE의 재구성 오차를 이용하여 공격 유형을 분류한다. 분류 결과의 신뢰점수(Confidence score)가 임계치보다 낮을 경우 학습하지 않은 공격으로 판단한다. 본 연구 결과물은 정보보호 연구·개발 데이터 첼린지 2019 대회의 차량 이상징후 탐지 트랙에서 제공하는 정상 및 3종의 차량 공격시도 패킷 데이터를 대상으로 성능을 평가하였다. 실험을 통해 자동차 제조사의 규칙이나 정책을 사전에 정의하지 않더라도 낮은 오탐율로 비정상 패킷을 탐지해 낼 수 있음을 확인할 수 있다.

근감소증은 영양부족, 운동량 감소 그리고 노화 등으로 정상적인 근육의 양과 근력 및 근 기능이 감소하는 질환을 말한다. 근감소증은 보편적으로 유럽 근감소증 실무그룹분석(EWGSOP)에서 정의한 측정 방법을 따른다. 본 논문에서는 근감소증 진단을 위한 영상 분할 모델을 개발하고 외부검증하는 방법에 대해서 제안한다. 우리는 CT 영상에서 L3 영역을 선별하여 자동으로 근육, 피하지방, 내장지방을 분할할 수 있는 인공지능 모델을 U-Net을 사용하여 개발하였다. 또한 모델의 성능을 평가하기 위해서 분할영역의 IOU(Intersection over Union)를 계산하여 내부검증을 진행하였으며, 타 병원의 데이터를 이용하여 같은 방법으로 외부검증을 진행한 결과를 보인다. 검증 결과를 토대로 문제점과 해결방안에 대해서 고찰하고 보완하고자 했다.

신생아 호흡곤란 증후군은 주로 미숙아에게 발생하는 호흡기 질환으로, 특징적 영상 소견 및 다른 검사 소견을 바탕으로 진단된다. 본 논문은 기계 장치 등 외부 요소의 영향을 최소화하고자 폐 영역을 분할하여 신생아 호흡곤란 증후군을 진단하는 기법을 제안한다. 분할에는 UNet 구조를 사용하고 진단에는 EfficientNet-B5를 사용하여 최종적으로 신생아 호흡곤란 증후군의 진단 정확도 0.852를 달성하였다.

최근 악플에 대한 논란이 끊이지 않고 있어 이것을 해결하기위한 방법으로 자연어 처리를 이용하고 있다. 특히 소셜 미디어, 온라인 커뮤니티에서 많이 발생하고 있고 해당 매체에서는 한글을 그대로 사용하지 않고 그들의 은어를 섞어서 사용하며 그중에서 한글이 아닌 문자를 섞어서 만들어낸 문장도 있다. 이러한 문장은 기존의 모델에 학습된 데이터의 형태와 다르며 한글이 아닌 문장이 많을수록 모델의 예측이 부정확해진다는 단점이 있어 본 논문에서는 인공지능을 이용한 이미지 분류와 띄어쓰기, 오타 교정을 이용한 전처리 기법을 제안한다.

최근 컴퓨터 비전 분야에서 Transformer를 도입한 연구가 활발히 연구되고 있다. 이 모델들은 Transformer의 구조를 거의 그대로 사용하기 때문에 확장성이 좋으며 large 스케일 학습에서 매우 우수한 성능을 보여주었다. 하지만 Transformer를 적용한 비전 모델은 inductive bias의 부족으로 학습 시 많은 데이터와 시간을 필요로 하였다. 그로 인하여 현재 많은 Vision Transformer 개선 모델들이 연구되고 있다. 본 논문에서도 Vision Transformer의 문제점을 개선한 Clustering CoaT 모델을 제안한다.

최근 소셜미디어 리뷰 데이터를 활용한 약물 이상 반응 탐지 연구가 활발히 진행되고 있지만, 약물을 복용하기 전 증상과 약물 이상 반응을 구분하지 못한다는 한계가 있다. 본 논문에서는 약물 이상 반응 탐지에서 약물 복용 전의 증상을 구분할 수 있는 Filtering Clinical BERT(FC-BERT) 모델을 제안하였다. FC-BERT 는 약물 복용 전 증상과 다른 약물에 대한 부작용 표현을 제거하기 위해 약물명이 나오기 전 모든 문장을 제거하는 필터링과 약물-부작용 쌍을 추출하는 모델을 사용했다. 성능 평가 실험을 위해 문장에 대한 ADE(Adverse Drug Event) 여부가 들어있는 ADE Corpus V2 데이터를 활용하였고 SPARK NLP 라이브러리에서 제공하는 ADE Pipeline 모델과 비교하여 성능 평가를 실시하였다. 실험 결과 필터링을 활용한 FC-BERT 모델이 기존 모델보다 정확도, 평균 정밀도, 평균 재현율, 평균 F1-score 가 모두 높은 결과를 보여주었다. 본 논문에서 제시한 모델은 기존 연구의 한계점을 보완하여 보다 정확한 약물 부작용 시그널을 탐지하는데 기여할 수 있을 것이다.

이상지질혈증의 발병에 대한 조기 진단 및 관리하는 것은 중요한 문제이다. 이상지질혈증의 진단은 혈액계측 정보 중에서 네 가지 LDL, HDL, TG, 그리고 TC를 이용하여 진단하며, 이상지질혈증 관리를 위해서는 LDL을 추정하는 것이 중요하다. 본 논문에서는 나이, 성별, 그리고 BMI와 같은 신체계측 정보를 학습하여 LDL-콜레스테롤을 예측하기 위한 준지도학습(Semi-supervised learning) 기반 기계학습 방법을 제안한다. 제안 방법은 얕은 학습(Shallow Learning)기반의 MLP(Multi-Layer Perceptron)을 이용하고, 이상지질혈증 진단인자간의 상관관계를 고려하여 신체계측 정보로 예측된 HDL, TG, 그리고 TC을 이용하여 일반적인 기계학습을 이용한 예측방법의 정확도를 개선한다. 즉, 제안방법은 신체계측 정보를 이용하여 혈액계측 정보의 LDL, HDL, TG, 그리고 TC을 각각 예측하고, 신체계측에 혈액계측의 예측 정보를 추가하여 학습한 준지도학습 기반 얕은 네트워크를 설계한다. 실험결과, HDL, TG, 그리고 TC의 혈액예측 정보를 이용한 준지도학습 기반 LDL 예측 정확도는 71.4%로 신체계측 정보만을 이용한 예측 방법의 67.0% 보다 약 4.4% 개선할 수 있음을 확인한다.

최근 딥러닝의 기술발전으로 자연어 처리 분야에서 Q&A, 문장추천, 개체명 인식 등 다양한 연구가 진행 되고 있다. 딥러닝 기반 자연어 처리에서 좋은 성능을 보이는 트랜스포머 기반 BERT 모델의 성능향상에 대한 다양한 연구도 함께 진행되고 있다. 본 논문에서는 토픽모델인 잠재 디리클레 할당을 이용한 토픽별 지식그래프 분류와 입력문장의 토픽을 추론하는 방법으로 K-BERT 모델을 학습한다. 분류된 토픽 지식그래프와 추론된 토픽을 이용해 K-BERT 모델에서 대용량 지식그래프 사용의 효율적 방법을 제안한다.

인공지능 기반의 딥페이크(Deepfakes) 기술이 사회적인 이슈로 대두되고 있다. 하지만 기존 딥페이크 탐지기는 sharpening, additive noise와 같은 간단한 이미지 변형만으로 탐지 우회가 가능한 문제점이 있다. 본 논문에서는 안티 포렌식에 강인한 딥페이크 탐지기를 개발하기 위해 이미지 편집 도구 기반의 안티 포렌식 데이터셋을 생성하고 적대적 학습을 수행하는 방법을 제안한다. 실험 결과를 통해 안티 포렌식에 취약한 기존 딥페이크 탐지기 성능이 제안한 적대적 학습 기법을 수행한 이후에 탐지율이 크게 개선된 것을 확인할 수 있었다.

최근 딥러닝이 다양한 분야에서 활용됨에 따라 중앙 집중식 서버, 적대적 공격 그리고 데이터 부족 및 독점화와 같은 다양한 문제점이 발생하고 있다. 또한 연합학습을 수행할 경우, 클라이언트가 잘못된 기울기를 서버에 제공하거나 서버가 악의적인 행동을 할 경우 심각한 문제로 이어질 수 있다. 이와 같은 보안 취약점을 해결하기 위해 딥러닝에 블록체인을 결합하여 중앙 집중식 서버를 분산화하고 각 참여자 노드에게 인센티브를 줌으로써 신뢰할 수 있는 데이터를 수집하는 기법이 연구되고 있다. 본 논문에서는 위와 같이 딥러닝의 문제점을 해결하기 위해 블록체인이 어떻게 적용되었는지 살펴본다.

본 논문에서는 서술형 수학 문제의 자동 풀이 기술 개발을 위한 데이터 증강 기법인 MOO 를 제안한다. 서술형 수학 문제는 일상에서의 상황을 수학적으로 기술한 자연어 문제로, 인공지능 모델로 이 문제를 풀이하는 기술은 활용 가능성이 높아 국내외에서 다양하게 연구되고 있으나 데이터의 부족으로 인해 성능 향상에서의 한계가 늘 존재해 왔다. 본 논문은 이를 해결하기 위해 시중의 수학 문제들을 수집하여 템플릿을 구축하고, 템플릿에 적합한 풀이계획을 생성할 수 있는 중간 언어인 MOOLang 을 통해 생성된 문제에 대응하는 Python 코드 형태의 풀이와 정답을 생성할 수 있는 데이터 증강 방법을 고안하였다. 이 기법을 통해 생성된 데이터로 기존의 최고 성능 모델인 KoEPT를 통해 학습을 시도해본 결과, 생성된 데이터셋을 통해 모델이 원활하게 데이터셋의 분포를 학습할 수 있다는 것을 확인하였다.

최근 데이터의 불변성에 의하여 NFT와 같은 블록체인 기술이 각광받고 있으며, 그에 따라 스마트 계약의 사용량 또한 증가하는 추세이다. 하지만 스마트 계약에 다양한 보안 취약점이 존재하며 배포 후에는 수정을 할 수 없는 스마트 계약 특성상 사전에 해당 취약점을 탐지하는 기술의 중요성이 대두되고 있다. 따라서 본 논문에서는 인공신경망 기반의 스마트 계약의 취약점을 탐지하는 기법 연구 동향에 대하여 알아본다.

딥러닝 기술의 발전으로 객체 인색, 영상 분석에 관한 성능이 비약적으로 발전하였다. 하지만 고성능 GPU 를 사용하는 컴퓨팅 환경이 아닌 제한적인 엣지 디바이스 환경에서의 영상 처리 및 딥러닝 모델의 적용을 위해서는 엣지 디바이스에서 딥러닝 모델 실행 환경 과 이에 대한 분석이 필요하다. 본 논문에서는 RISC-V ISA 를 구현한 RISC-V 가상 플랫폼에 yolov3-tiny 모델 기반 객체 인식 시스템을 소프트웨어 레벨에서 포팅하여 구현하고, 샘플 이미지에 대한 네트워크 딥러닝 연산 및 객체 인식 알고리즘을 적용하여 그 결과를 도출하여 보았다. 본 적용을 바탕으로 RISC-V 기반 임베디드 엣지 디바이스 플랫폼에서 딥러닝 네트워크 연산과 객체 인식 알고리즘의 수행에 대한 분석과 딥러닝 연산 최적화를 위한 알고리즘 연구에 활용할 수 있다.

청소년의 성격유형을 분석할 때 소셜미디어 데이터를 활용하여 텍스트 처리로 분석하는 연구는 많이 알려져 있다. 그러나 이미지를 사용하여 성격유형을 분석한 연구는 미비하다. 본 연구는 청소년의 발테그 그림검사로 표현된 이미지를 데이터로 사용하고, CNN을 활용하여 MMTIC의 16가지 청소년의 성격유형을 예측한다. 연구 대상은 중학교 재학생을 대상으로 한다. MMTIC에서 U-band를 제외한 340명의 학생으로 2012년 4월부터 2013년 3월까지 조사하였다. 연구 결과 CNN을 사용하였을 때 21.6% 예측율을 보였으며, CNN Ensemble을 적용하였을 때 23.1%로 2.5%가 증가한다.

기존 군사 분야 영상 판독 시스템은 영상 판독관들의 작업 부담이 크고, 판독관들의 경험과 숙련도에 의존적이다. 이전 연구에서 판독관들의 부담을 줄이고 경험 및 숙련 의존도를 낮추기 위해 문장 추천 시스템을 제안하였다. 하지만 학습에 사용된 데이터의 양이 적고, 학습에 사용되지 않은 장비 혹은 지역 등의 단어가 등장 시 제대로 동작하지 않는 한계점이 있었다. 이를 해결하기 위해 학습 데이터 단계와 디코딩 단계에 지식그래프를 적용하여 문장의 다양성과 확장성을 확보하고, 데이터 부족 문제를 완화하였다. 이 연구는 추후 판독관들의 업무 과부화를 완화하고 업무 효율을 높일 수 있을 것이다.

본 서비스는 코로나 19 로 인한 비대면 수업에 따른 학생들의 학업성취도를 증진시키기 위한 것이다. 이를 위해서 비대면 수업동안의 사용자의 시선을 추적하여 몰입도를 분석한다. 사용 기술로는 사용자의 시선을 추적하는데 Gaze-Tracking 기술과 영상에서 수업에 있어 유의미한 영역을 분석하는 deeplabv3 기술을 사용한다. Gaze-Tracking 기술은 웹캠 등을 통하여 사용자가 화면의 어느 부분을 쳐다보고 있는지를 고개, 눈, 눈동자의 각도를 통하여 알아낸다. 해당 기술들을 활용하여 실시간 몰입도를 분석하여 알림을 제공한다. 수업이 종료되고 나서는 마지막에 몰입도 통계를 제공한다. 추가적으로 몰입도 향상을 도와주는 미니게임도 제공한다.

최근 코로나바이러스감염증-19(COVID-19)로 인해서 다양한 비대면 서비스가 증가하고 있는데 그 중에서 사람과 인공지능 간 의사소통하여 정보를 얻는 대화 시스템이 대표적인 서비스이다. 대화 시스템은 입력되는 단일 문장에 대한 정보만을 응답하기 때문에 이전 대화의 정보를 알기 위해서는 질문했던 내용을 다시 입력해야 하는 문제점이 있다. 이런 문제를 해결하고 대화 진행에 도움을 주기 위해서 본 논문에서는 대화 내 문장들의 다중 의도 탐지를 통한 공통 대화 주제 식별 시스템을 제안한다.

Recommendation systems are a prominent approach for users to make informed automated judgments. In terms of movie recommendation systems, there are two methods used; Collaborative filtering, which is based on user similarities; and Content-based filtering which takes into account specific user's activity. However, there are still issues with these two existing methods, and to address those, a combination of collaborative and content-based filtering is employed to produce a more effective system. In addition, various similarity methodologies are used to identify parallels among users. This paper focuses on a survey of the various tactics and methods to find solutions based on the problems of the current recommendation system.

서울시 중장년층의 1인가구가 늘어남에 따라 우울증과 고독감, 고독사도 증가하고 있다. 이러한 사회 문제에 대처하기 위해 초대규모 AI 말벗 서비스를 활용하여 1인 가구의 건강, 심리상태를 주기적으로 모니터링하고, 외부와의 직·간접적인 소통 방안을 마련함으로써 삶의 질을 높이고, 문제 발생 시에는 서울시 유관기관과 즉각적으로 연계하여 사회 안전망을 구축하고 확대하고자 한다.

본 연구는 대량의 상권 데이터를 바탕으로 머신 러닝과 딥러닝 분석을 이용하여 최적의 상권 입지를 추천하는 시스템 개발을 목표로 한다. 자영업자들의 오프라인 창업에 있어 개개인의 매장 정보에 기반한 입지 조건 판단은 앞으로의 매출에 중요한 시작점이다. 따라서 상권 정보를 기반으로 미래 매출을 예측하여 최적의 상권 입지를 추천하는 기술이 필요하다. 이를 위해 기존에 선행된 다수의 회귀 기법과 더불어 강하게 편향된 데이터를 레이블링 하여 다중 분류 기법으로도 문제를 접근한다. 최종적으로 딥러닝 모델과 합성하여 더 높은 성능을 이끌어내고 이로부터 편향 데이터 처리 방법과 딥러닝 모델과의 앙상블 중요성에 대해 논의하고자 한다.

시각 장애인이 겪는 의복 선택 및 조합 문제를 해결하고자, 접근성 기반의 사용자 인터페이스 및 사용자 경험 설계, 이미지 처리, 기계 학습 등의 기술을 활용한 <시각 장애인을 위한 의상 조합 추천 애플리케이션>를 개발을 제안한다.

센서 데이터의 중요성이 커지면서 센서 데이터 처리 연구의 수요가 증가하고 있다. 센서 데이터 기반의 딥러닝 모델 개발 시, 센서 데이터 단일 값에 의한 출력이 아닌 시계열적인 특성을 반영하여 연속적인 데이터 간의 연관성을 파악할 수 있는 슬라이딩 윈도우 기법을 통해 효율적으로 데이터를 분석하고 처리할 수 있다. 하지만, 기존의 방법들은 학습 성능(학습 시간 및 모델 성능)에 미치는 영향을 평가하는 기준 없이 입력 데이터의 윈도우 사이즈를 임의로 설정하여 데이터를 처리해 왔다. 따라서, 본 논문은 학습 시간과 모델 성능을 기준으로 센서 데이터의 윈도우 사이즈 최적화 기법을 제안한다. 제안한 방법은 전류를 이용하여 스위치와 다이오드 온도를 추정하는 가상 센서(virtual sensor) 실험 테스트베드에 적용하여, 학습 시간 중심으로는 5%의 윈도우 사이즈를, 모델 성능 중심으로는 R2 SCORE 의 값을 0.9295 로 갖는 8%의 윈도우 사이즈가 최적으로 도출되었다.

인공지능의 발전으로 의료영상 분야에서 딥러닝 기반 질병 진단 연구가 활발하다. 그러나 모델 개발 시 학습 데이터의 개수와 품질은 매우 중요한데, 의료 분야 특성상 접근 가능한 데이터셋이 적으며 오픈 데이터셋은 서로 다른 기관에서 배포되거나 웹상에서 수집된 것으로 진단에 적합한 품질을 기대하기 어렵다. 또한, 기존 연구는 데이터셋이 학습에 적합한지에 대한 품질검증 없이 사용한다. 따라서 본 논문에서는 임상에서 사용하는 화질 평가 요소에 근거를 두고 영역별 화소값 분석을 통한 흉부 X선 영상 품질 평가 기법을 제안한다. 오픈 데이터셋 JSRT, Chest14와 국내 A 병원 데이터셋 AUH에 제안한 기법을 적용한 결과 민감도 91.5%, 특이도 96.1%의 우수한 성능을 확인하였다.

게임은 수많은 NPC 와 규칙에 의해 작동되는 가상 공간을 의미한다. 이런 가상 공간에서는 규칙을 엄격히 지키면서 수행되는 AI 를 필수로 요구하게 된다. 하지만 강화 학습 기반의 AI 는 복잡한 게임의 규칙을 온전히 지키지 못하고 예상 밖의 행동을 돌출하면서 이를 해결하기 위한 많은 연구도 수행되고 있다. 본 논문에서는 규칙 기반으로 획득한 오목판의 확률 맵과 학습을 통해 획득한 확률맵 데이터를 병합하여 가장 높은 Value 를 가지는 위치를 다음 수로 반환하는 방법을 사용하였다. 향후 연구에서는 ANN(Approximate Nearest Neighbor)알고리즘을 적극 활용하여, 커널의 State 와 보드의 State 비교를 확률적으로 개선할 예정이다. 본 논문에서 제안된 프레임 워크는 게임 AI 연구에 기여할 수 있길 바란다.

최근 코로나19로 인해 비대면으로 소통할 수 있는 플랫폼에 대한 관심이 증가하고 있으며, 가상 세계의 개념을 도입한 메타버스 플랫폼이 MZ세대의 새로운 SNS로 떠오르고 있다. 아바타를 통해 상호 교류가 가능한 메타버스는 텍스트 기반의 소통뿐만 아니라 음성과 동작 시선 등을 활용하여 변화된 의사소통 방식을 사용한다. 음성을 활용한 소통이 증가함에 따라 다른 이용자에게 불쾌감을 주는 혐오 발언에 대한 신고가 증가하고 있다. 그러나 기존 혐오 발언 탐지 시스템은 텍스트를 기반으로 하여 사전에 정의된 혐오 키워드만 특수문자로 대체하는 방식을 사용하기 때문에 음성 혐오 발언에 대해서는 탐지하지 못한다. 이에 본 논문에서는 인공지능을 활용한 음성 혐오 표현 탐지 시스템을 제안한다. 제안하는 시스템은 음성 데이터의 파형을 통해 은유적 혐오 표현과 혐오 발언에 대한 감정적 특징을 추출하고 음성 데이터를 텍스트 데이터로 변환하여 혐오 문장을 탐지한 결과와 결합한다. 향후, 제안하는 시스템의 현실적인 검증을 위해 시스템 구축을 통한 성능평가가 필요하다.

최근 산업 현장에도 작업자들의 안전사고를 방지하기 위하여 인공지능 기법을 활용한 안전관리 시스템들이 도입되었다. 그러나 기존의 인공지능 기법을 활용한 방식은 데이터가 중앙 서버에 집중된 형태로 데이터 이동시 작업자의 민감 정보에 대한 보호가 어려울 뿐 아니라 대량의 데이터 발생 시 전체 시스템에 장애가 발생할 수 있어 이는 빠른 대응 프로세스가 필요한 산업 현장에 큰 영향을 줄 수 있다. 본 논문에서는 연합학습 기법을 적용하여 중앙 서버의 스트레스를 낮추어 작업자의 위험 상황에 빠른 대응이 가능하고, 작업자의 헬스 케어 데이터 같은 작업자의 민감 정보도 보호할 수 있는 시스템 설계를 제안한다.

Over the past few years, fake news has become one of the most significant problems. Since it is impossible to prevent people from spreading misinformation, people should analyze the news themselves. However, this process takes some time and effort, so the routine part of this analysis should be automated. There are many different approaches to this problem, but they only analyze the text and messages, ignoring the images. The fake news problem should be solved using a complex analysis tool to reach better performance. In this paper, we propose the approach of training an Artificial Intelligence using an unsupervised learning algorithm, combined with online data parsing tools, providing independence from subjective data set. Therefore it will be more difficult to spread fake news since people could quickly check if the news or article is trustworthy.

컴퓨터 비전에서 딥러닝을 활용한 이미지 분할 기법은 핵심 분야 중 하나이다. 이미지 분할 기법이 다양한 도메인에 사용되면서 딥러닝 네트워크의 오작동을 일으키는 적대적 공격에 대한 방어와 강건함이 요구되고 있으며 자율주행 자동차, 질병 분석과 같이 모델의 보안 취약성이 심각한 사고를 불러 올 수 있는 영역에서 적대적 공격은 많은 관심을 받고 있다. 본 논문에서는 이미지 분할 기법에 따른 구별방법과 최근 연구되고 있는 적대적 공격의 방향성을 설명하며 향후 컴퓨터 비전 분야 연구의 효율성을 위해 중점적으로 검토되고 있는 연구주제를 설명한다

본 논문은 딥러닝을 이용해 개인이나, 수의사가 반려동물의 피부병을 특정 하는데 있어서 도움을 줄 수 있는 시스템을 설계하였다. 이 시스템은 사용자가 사용하는 모바일 어플리케이션을 통해 이미지를 수집하고 Mask_RCNN 모델을 사용하여 '구진 플라크','비듬 각질 상피성잔고리', '태선화 과다색소침착', 미란 궤양', '결정 종괴', 농포 여드름'의 6 가지 상태로 분류한 다음 사용자에게 대처법과 병명을 알려주는 반려동물 질병 진단 시스템을 설계하였다.

3차원 물체의 탐지와 자세 추정은 실내외 환경에서 장면 이해, 로봇의 물체 조작 작업, 자율 주행, 증강 현실 등과 같은 다양한 응용 분야들에서 공통적으로 요구되는 매우 중요한 시각 인식 기술이다. 깊이 지도를 요구하는 기존 연구들과는 달리, 본 논문에서는 RGB 컬러 영상만을 이용해 미지의 물체들, 즉 3차원 CAD 모델을 가지고 있지 않은 새로운 물체들을 탐지해내고, 이들의 자세를 추정해낼 수 있는 새로운 신경망 모델을 제안한다. 제안 모델에서는 최근 빠른 속도로 발전하고 있는 깊이 추정 기술을 이용함으로써, 깊이 측정 센서 없이도 물체 자세 추정에 필요한 깊이 지도를 컬러 영상에서 구해낼 수 있다. 본 논문에서는 벤치마크 데이터 집합을 이용한 실험을 통해, 제안 모델의 유용성을 평가한다.

단일 데이터로부터의 이동 객체에 대한 행동 인식 연구는 데이터 수집 과정에서 발생하는 노이즈의 영향을 크게 받는다. 본 논문은 영상 데이터와 센서 데이터를 이용하여 다중 융합 네트워크 기반 이동 객체 행동 인식 방법을 제안한다. 영상으로부터 객체가 감지된 영역의 추출과 센서 데이터의 이상치 제거 및 결측치 보간을 통해 전처리된 데이터들을 융합하여 시퀀스를 생성한다. 생성된 시퀀스는 CNN(Convolutional Neural Networks)과 LSTM(Long Short Term Memory)기반 다중 융합 네트워크 모델을 통해 시계열에 따른 행동 특징들을 추출하고, 깊은 FC(Fully Connected) 계층을 통해 특징들을 융합하여 행동을 예측한다. 본 연구에서 제시된 방법은 사람을 포함한 동물, 로봇 등의 다양한 객체에 적용될 수 있다.

시청각 중복 장애인은 타인과 의사소통에 어려움이 있기 때문에 이에 대한 연구가 필요하다. 본 논문에서는 시청각 중복 장애인이 타인과 실시간 의사소통이 가능한 팔목 보호대 형태의 Google Cloud Speech API 기반 점자 단말기를 제안한다. 점자 단말기에는 심박, 온도, 인바디 센서를 부착하여 착용자의 건강상태를 분석한다. 또한 타인과 실시간 소통을 위해 점자 출력 닷 셀 6 개와 점자 입력버튼을 2 × 3 형태로 배치하여 STT 를 통해 타인의 음성을 점자형태로 출력하여 읽거나 점자를 입력하여 TTS 를이용해 타인에게 스피커를 통해 의사를 전달할 수 있다. 이를 통해 시청각 중복 장애인들은 타인과 실시간 의사소통과 정보 취득에 자유로워질 수 있다.

최근 딥러닝 기반의 이미지 분류는 다양한 산업과 서비스에서 활용되고 있으며, 이미지 인식을 통한 다양한 테스트가 SNS를 통해 인기를 끌고 있다. CNN은 대표적인 이미지 분류를 위한 신경망 모델로 본 연구에서는 사진속의 얼굴에 대해 동물상 인식을 위하여 동물 얼굴 이미지 및 각 동물상을 대표하는 연예인의 이미지를 수집하고, CNN 기반의 동물상 인식 모델을 구현하였다.

Match-3 Game 은 스테이지 구성 및 난이도 설정이 중요한 게임이나 다양한 밸런스 요소로 인해 스테이지 구성에 중요한 요소인 난이도 설정에 많은 시간이 소요된다. 특히 게임을 플레이하는 유저가 재미를 느끼는 수준으로 난이도를 설정하는 것이 중요하며, 이를 자동화하기 위해 실제 유저의 플레이 데이터를 활용하여 사람과 유사한 수준의 자동 플레이 에이전트 개발이 진행되었다. 하지만 플레이 데이터의 확보는 쉽지 않기에 연구 방향은 플레이 데이터가 없는 강화학습으로 확장되고 있다. 스테이지 구성에 중요한 요소인 난이도를 설정하기 위함이라면 각 스테이지 간의 상대적인 난이도 차이를 파악하는 것으로 가능하다. 이를 위해 게임의 규칙을 학습한 강화학습 에이전트로 밸런스 요소의 변화에 따른 다양한 난이도의 스테이지를 50 회씩 플레이하여, 평균 획득 점수를 기준으로 스테이지 구성에 필요한 각 스테이지들의 난이도를 파악할 수 있었다.

소셜 미디어와 스마트폰의 대중화로 인해 디지털 이미지와 비디오를 만들어 내는 일이 매우 흔해졌다. 전통적인 이미지 포렌식 기술 압축 방법은 데이터를 손상시킨다는 점에서 비디오에 적용하기 부적절하다. 따라서 본 논문에서는 딥러닝과 MesoNet을 이용한 모델을 통해 참 혹은 거짓만 나타내는 기존의 결과 산출 방법에서 더 나아가 네가지의 분류 방법으로 딥페이크 감지 흐름을 살펴보고자 한다.

본 논문은 유튜브에 업로드 된 운동 영상을 시청하는 사람의 얼굴 영역을 YoloV3을 이용하여 얼굴 영상에서 눈 및 입술영역을 검출하는 방법을 연구하여, YoloV3은 딥 러닝을 이용한 물체 검출 방법으로 기존의 특징 기반 방법에 비해 성능이 우수한 것으로 알려져 있다. 본 논문에서는 영상을 다차원적으로 분리하고 클래스 확률(Class Probability)을 적용하여 하나의 회귀 문제로 접근한다. 영상의 1 frame을 입력 이미지로 CNN을 통해 텐서(Tensor)의 그리드로 나누고, 각 구간에 따라 객체인 경계 박스와 클래스 확률을 생성해 해당 구역의 눈과 입을 검출한다. 검출된 이미지 감성 분석을 통해, 운동 영상 중 하이라이트 부분을 자동으로 선별하는 시스템을 설계하였다.

본 논문은 개인의 정보를 외부로 유출하지 않고, 소비자 방송 수신 단말 장치에 저장된 데이터를 이용하여 머신 러닝 모델을 학습하고, 소비자가 원하는 맞춤 방송 정보를 제공하는 시스템을 구글의 연합 학습[1] 을 기반한 설계에 관한 것이다. 이를 위하여, 소비자 사용 패턴 및 행동 데이터를 수집하고 저장하며 머신 러닝 학습을 진행 하는 단말 구조와 단말에서 생성된 학습 모델 파라미터 정보를 수집하고 평균화 하는 중앙 서버의 구조를 연구하고, 연합 학습을 이용한 학습 정보를 이용하여 개인 맞춤형 방송 정보를 제공하는 시스템을 연구한다.

양돈을 관리하는 데에 있어 비정상 개체를 식별하고 사전에 추적하거나 격리할 수 있는 양돈업 시스템을 구축하는 것은 효율적인 돈사관리를 위한 필수 요소이다. 그러나 돈사내의 이상 상황을 탐지하는 연구는 보고되었지만, 이상 상황이 발생한 돼지를 특정하여 식별하는 연구는 찾아보기 힘들다. 따라서, 본 연구에서는 소리를 활용하여 이상 상황이 발생함을 탐지한 후 영상을 활용하여 소리를 낸 특정 돼지를 식별할 수 있는 시스템을 제안한다. 해당 시스템의 주요 알고리즘은 활성 화자 탐지 문제에서 착안하여 이를 돈사에 맞게 적용하여, 비정상 소리를 내는 활성 돼지를 식별 가능하도록 구현하였다. 제안한 방법론은 모의 실험을 통해 돈사 내의 이상 상황이 발생한 돼지를 식별할 수 있음을 확인하였다.

반려동물의 이상행동 탐지를 위한 센서 데이터를 수집하는 과정에서 발생하는 시간과 비용의 문제로 인해 데이터 증강이 요구되고 있다. 본 논문에서는 통계적 변형과 GAN 기반의 데이터 증강을 통해 반려동물의 정상행동과 이상행동으로 분류하는 방법을 제안한다. 통계적 변형은 회전, 순열, 조합 등을 이용하며, GAN을 통해 원본 데이터에 노이즈가 포함된 유사한 데이터를 생성한다. 증강된 모든 데이터는 원본 데이터와 함께 학습 데이터로 사용한다. 최종적으로, LSTM의 단점을 보완한 Convolutional LSTM 모델을 통해 반려동물의 정상행동 인식의 범주를 넓혀 보다 정확한 이상행동을 인식하고자 한다.

2차원 이미지를 통한 자세 추정의 경우 관절이 겹치거나 가려져 있는 등의 인식 저해 요소로 인하여 자세 추정 정확도가 감소하는 한계가 있다. 본 논문에서는 GAN을 통해 2차원 이미지를 3차원으로 증강한 뒤 자세를 추정하는 기법을 제안한다. 제안하는 방법은 2차원 이미지의 평면좌표 값에서 GAN을 통해 노이즈 벡터 z축 값과 피사체에 투영되는 빛의 방향 값을 반영한 3차원 이미지를 만든다. 이러한 이미지 합성 과정을 거친 후 DeepLabCut을 사용해 관절 좌표를 추출하고 자세 추정 및 분류를 진행한다. 이를 통해 2차원에서의 자세 추정 정확도 향상을 기대할 수 있으며, 향후 이를 기반한 이상행동 탐지 분야에서 적용할 수 있다.

설명가능한 인공지능은 딥러닝과 같은 복잡한 모델에서 어떠한 원리로 해당 결과를 도출해냈는지에 대한 설명을 함으로써 구축된 모델을 이해할 수 있도록 설명하는 기술이다. 최근 여러 분야에서 그래프 형태의 데이터들이 생성되고 있으며, 이들에 대한 분류를 위해 다양한 그래프 신경망들이 사용되고 있다. 본 논문에서는 대표적인 그래프 신경망인 그래프 합성곱 신경망(graph convolutional network, GCN)에 대한 설명 기법을 제안한다. 제안 기법은 주어진 그래프의 각 노드를 GCN을 사용하여 분류했을 때, 각 노드의 어떤 특징들이 분류에 가장 큰 영향을 미쳤는지를 수치로 알려준다. 제안 기법은 최종 분류 결과에 영향을 미친 요소들을 gradient를 통해 단계적으로 추적함으로써 각 노드의 어떤 특징들이 분류에 중요한 역할을 했는지 파악한다. 가상 데이터를 통한 실험을 통해 제안 방법은 분류에 가장 큰 영향을 주는 노드들의 특징들을 실제로 정확히 찾아냄을 확인하였다.

코로나19의 장기화로 인해 비대면 서비스에 익숙해진 사람들은 실시간 비대면 협업 서비스를 기존보다 더 다양한 방식으로 이용하고 있다. 본 논문은 비대면 협업 서비스를 능동적으로 이용하고자 하는 현대인들에게 가상현실을 기반으로 한 브레인스토밍 협업 서비스를 제안한다. 본 서비스의 유저들은 3차원의 가상공간에서 타 유저들과 음성뿐만 아니라 손짓과 같은 비언어적 표현을 통해 소통할 수 있다. 또한, 자신의 아이디어를 블록이라는 특정 매개체에 담아 마인드 매핑하는 과정을 실시간으로 타 유저들과 공유하며 원활한 협업 서비스를 경험할 수 있다.

본 논문은 가상 환경에서 사용자 및 로봇이 손을 이용하여 직관적으로 가상 물체와 상호작용하도록 하는 파지 방법을 제안한다. 제안한 방법은 사람 손과 로봇 손의 구조적인 차이를 고려하여 사람과 로봇에게 범용적으로 적용할 수 있도록 물리적 상호작용이 가능한 입자를 가상 손에 붙이고, 이를 이용하여 가상 물체를 파지하는 방법이다. 제안한 파지 방법을 사람과 로봇에 적용하여 실험한 결과, 임의의 다양한 물체를 직관적으로 파지할 수 있었고 높은 성공률을 보였다.

본 논문은 자연어 처리와 Face Detection 기술을 활용하여 사용자의 현재 감정 상태에 따른 디지털 미디어 아트를 구현하는 방법을 기술한다. 사용자의 현재 표정과 감정을 분석하고, 감정에 따라 다양한 시각 효과 및 다른 성격의 텍스트를 화면에 송출하는 방식으로 사용자와 상호작용한다.

동영상 공유 플랫폼의 유저가 늘어남에 따라 영상을 통해 다양한 정보가 공유된다. 하지만 다양한 정보들이 영상으로 제한된 채 사용되고 있다. 이러한 제한점의 개선을 위하여 우리는 유튭콕을 기획하였다. 유튭콕 애플리케이션은 유튜브의 영상 정보를 기반으로 하는 위치 정보 마킹 및 공유 서비스이다. 유튭콕을 통해 관심이 있는 동영상의 정보를 받아와 지도를 생성하여 위치 정보를 가시적으로 확인할 수 있다. 또한 지도 공유 기능을 통해 타 유저와의 공유 서비스를 제공한다.

최근 고해상도 영상이 필요하게 되었으며, 저해상도 영상을 고해상도 영상으로 변환하는 딥러닝 기반의 초해상도 알고리즘에 대한 연구가 활발히 진행되고 있다. 그럼에도 불구하고 딥러닝 기반의 초해상도 알고리즘은 하드웨어의 한계로 인해 임베디드 시스템에서 실행시간이 느린 단점이 있다. 본 논문에서는 심층신경망 기반의 초해상도 알고리즘의 네트워크 구조를 제시하고 다양한 활성화 함수에 따른 화질 및 실행시간 성능을 분석한다. 실험 결과, 젯슨 나노보드의 다양한 활성화 함수 중 화질과 실행 시간의 관계에서 도출한 최적의 활성화 함수가 PReLU 함수임을 확인하였다.

게임에서는 장애물이 가로 막고 있을 때 길 찾기 알고리즘이 요구된다. Path Finding Method 는 길과 장애물을 고려하여 목적지까지의 경로를 찾는 방법을 말한다. A^* 알고리즘은 이런 복잡한 미로 찾기에 최적화된 Path Finding 알고리즘이다. 하지만, 모바일 같은 저비용 기기에서 A^* 알고리즘을 사용하기엔 단순한 지형에서도 연산 부하가 발생할 수 있다. 본 논문에서는 가상의 공간에서 Grid를 구축하여, 통행이 가능한 곳과 불가능한 곳을 나누어 최종 지점에 도달할 수 있도록 하는 방식을 제안한다. 본 논문에서 제시한 Path Finding Method 는 최종 지점이 막다른 길인 경우 가장 가까운 이동 가능한 경로로 길을 안내하도록 설계하여 예외 상황에 대처했다. 대표적인 길 찾기 알고리즘인 Dijkstra 알고리즘은 최소 비용을 고려해서 최단으로 가는 거리를 비교하여 길을 나타낼 수 있다. 하지만, Dijkstra 알고리즘 경우 비용이 양수가 아닌 음수의 경우 무한 루프에 빠지는 등 결과 값이 제대로 나오지 않을 수 있다. 본 논문에서 제안한 Path Finding Method 는 최소 비용을 노드별로 비교하는 방식이 아닌 초기 비용을 알 수 없는 분야에 쉽게 사용할 수 있다. 본 논문에서는 제안한 Path Finding Method 를 적용하여 Web 게임을 제작하는 것에 성공하였다. 향후, Path Finding Method 결과에 위치 정렬 알고리즘을 적용하여, 중복된 지역을 가는 확률을 최소화하면서 정리된 Path 가 돌출되도록 연구할 예정이다. 본 논문의 Path Finding Method 은 게임 개발 분야에 적극 기여되길 바란다.

프로그래밍 교육에서 Python 교육은 현재 기본으로 다루고 있다. PIP 의 우수한 확장성에 의해 수많은 분야에서 Python 을 이용하여 연구 및 개발을 수행하고 있다. 게임 개발에서도 Python 은 적극 활용되고 있다. 메모리관리와 최적화를 위한 Low Level 개발 부분에서는 C/C++, C#, JAVA 를 사용하지만, 게임 시스템 기획자의 경우 프로그래머에게 직결되는 문서를 작업하기 위해 객체지향적 시점을 작성해야 하기 때문에 Python 을 통해 기획자와 프로그래머의 의사소통 향상으로 인해 결과적으로 개발 시간을 단축하는 효과를 볼 수 있다. 본 논문에서는 Python 교육과 접근성이 좋은 Web Contents 를 개발하기 위하여 KM Engine 을 개발하였다. 경민 대학교 게임콘텐츠과 학생들을 대상으로 교육과 Web Contents 를 개발한 결과 Unity, Unreal 에 비해 학생들이 매우 편하게 개발하는 것을 확인 할 수 있었다. KM Engine 은 경민 대학교 학생 들 뿐 아니라 게임 제작을 배우고 싶어하는 이들과 이들을 학습시킬 목적을 가진 이들에게 기여하길 바란다.

자율주행 시뮬레이터를 위한 대체재로 게임 엔진을 통한 가상 환경 모의 연구가 수행되고 있다. 하지만 게임 엔진에서는 자율 주행에 필요한 센서를 기기에 맞게 사용자가 직접 모델링을 해줘야 하기 때문에 개발 비용이 크게 작용된다. 특히, Ray 를 활용한 3D LIDAR 는 GPU(Graphics Processing Unit) 사용량이 많은 작업이기 때문에 저비용 시뮬레이터를 위해서는 저비용 3D LIDAR 모의가 필요하다. 본 논문에서는 낮은 컴퓨터 연산을 사용하는 C++ 기반 3D LIDAR 모의 프레임 워크를 제안한다. 제안된 3D LIDAR 는 다수의 언덕으로 이루어진 비포장 Map 에서 성능을 검증 하였으며, 성능 검증을 의해 본 논문에서 생성된 3D LIDAR 로 간단한 LPP(Local Path Planning) 생성 방법도 소개한다. 제안된 3D LIDAR 프레임 워크는 저비용 실시간 모의가 필요한 자율 주행 분야에 적극 활용되길 바란다.

인체의 흉부 X-ray 영상으로부터 척추질환과 관련된 의료 진단지표를 자동으로 추출하는 과정을 위하여 흉추조직의 정확한 분할이 필요하다. 본 연구에서는 HRNet 기반의 학습을 통하여 흉추조직을 분할하는 방법을 고찰한다. 분할 과정에서 영상 내의 상대적인 위치 정보가 효과적으로 반영될 수 있도록, 계층별로 영상의 고해상도의 표현이 그대로 유지되는 구조와 저해상도의 특징 지도로 변환되는 구조가 병렬적으로 연결되는 형태의 심층 신경망 모델을 채택하였다. 흉부 X-ray 영상에서 콥각도(Cobb's angle)를 산출하는 문제를 대상으로 흉추 분할을 위한 학습 방법, 진단지표 추출 방법 등을 소개하며, 부수적으로 피사체의 위치 변화 및 크기 변화 등에 강인한 성능을 제공하기 위하여 학습 데이터를 증강하는 방법론을 제시하였다. 총 145개의 영상을 사용한 실험을 통하여 제안된 이론의 타당성을 평가하였다.

본 논문은 3D 프린팅 출력 성공률을 높이기 위해 GPU를 이용한 대용량 3D 메쉬 모델에 대한 병렬 자체충돌 검사 방법을 제안한다. 강인하고 견고한 자체 충돌 검사를 위해 분리축 검사, 삼각형-삼각형 교차 검사, 메쉬 연결성 검사, 대용량 메쉬를 위한 분할 처리 기법의 절차를 제안한다. 이러한 자체 충돌 검사를 빠르게 수행하기 위하여 GPU 기반 병렬처리 구현 방법을 제시한다.

스테레오 정합을 통해 산출되는 초기 시차 영상의 정합 정확도는 고주파 및 잡음 성분에 의해 감소될 수 있다. 또한, 폐색 및 질감이 없는 영역에서 잘못된 정합 결과가 산출됨으로 인해 정합 정확도가 감소될 수 있다. 정합 정확도를 향상시키기 위해 시차 정제에 관한 선행 연구들이 수행되었지만 정제 과정을 통한 정합 정확도 성능과 처리 속도간 트레이드-오프가 존재한다. 이에 본 논문에서는 종래 시차 정제 방법 대비 향상된 처리 속도와 함께 높은 시차 정제 성능을 갖는 분리형 중앙-최댓값 필터를 제안한다. 제안하는 방법의 정제 성능 및 평균 처리 시간을 객관적으로 평가하기 위해 KITTI 2015 stereo benchmark 데이터셋을 사용하였다. 제안하는 방법의 평균 오차율은 비폐색 및 폐색 조건에서 종래 방법 대비 각각 최소 25.61% 및 23.68% 감소되었다. 또한, 제안하는 방법의 처리 속도는 종래 방법 대비 최소 13.29% 향상되었다. 따라서 제안하는 방법은 빠른 처리 속도 및 높은 정확도 성능을 요구하는 스테레오 비전 시스템에 활용될 수 있다.

단일 이미지로부터 3D 모델을 생성하는 방법은 메타버스와 가상현실 콘텐츠에 대한 필요성이 높아짐에 따라, 보다 효율적인 모델 생성방법으로서 관심이 높아지고 있다. 본 논문에서는 단일 이미지로부터 3D 모델을 자동 생성하는 기존 딥-뉴럴 네트워크들을 대상으로, 생성되는 3D 모델의 유형에 따라 기존 네트워크들을 분류하고, 주요 딥-뉴럴 네트워크의 형태와 특징, 그리고 모델 생성의 성능을 분석하고자 한다.

미디어에서 자극적으로 다루어지는 치매라는 질환을 한 가족의 이야기를 통해 긍정적인 시선으로 볼 수 있도록 스토리텔링 중심의 컴퓨터 2D 인디 게임을 디자인 및 개발한다.

일반적으로 사람의 눈은 분당 15~20회 깜빡이는 것으로 알려져있다. 더하여 스마트폰, 게임, 강의수강, 공부 등 특정 매체를 활용하여 눈을 사용하면 깜빡임이 크게 줄어든다는 연구가 이미 여러 존재한다. 이러한 연구 결과를 토대로 본 논문에서는 Python을 이용하여 얼굴과 눈을 인식한 후 눈 깜빡임 정도를 수치화하여 신뢰도 있는 집중도를 도출한다. 또한 이를 통계적으로 적용하는 과정을 통해 사용자의 집중도를 정확히 파악할 수 있는 방법을 제안한다.

모바일 서비스에서 음성인식을 활용한 애플리케이션이 가져다 주는 편리함으로 레시피 애플리케이션에 접목시켜 데이터베이스를 사용한 레시피 추천, Google Video Intelligence API를 사용하여 객체 영상분할, Google Assistant를 활용한 음성인식을 기반으로 한 레시피 애플리케이션을 제공한다.

코로나 및 사회적 거리두기 조치로 인해 배달앱 수요가 증가하고 있다. 하지만, 배달 서비스를 제공하는 배달 대행사의 지속적인 배달비 인상으로 인해 소비자들의 부담은 증대되고 있는 실정이다. 본 논문에서는 배달앱 이용에 대한 소셜링 서비스를 제공하여 소비자 및 1 인 가구 배달앱 사용자의 배달비 절감 방안을 제안한다.

코로나 시대에서의 비접촉 기조 확산으로 인해서, 전자상거래 업계는 ux/ui를 보다 소비자친화적으로 변화시킴으로써 성장을 도모하고 있다. 전자상거래 시장은 몇년간 엄청난 성장을 거듭해왔고, 혁신에 혁신을 거듭하여 간편결제의 보편화를 이끌었다. 하지만 현재 IT업계에서는 loger4j 그리고 크로니움 브라우저 관련 제로데이 공격이 만연한 만큼, 보안에 대한 관심도가 높아진 상태이다. 전자상거래 상에서의 간편결제에서 보안이슈는 돈과 직결된 이슈이며, 그렇기 때문에 단순히 그의 UX/UI를 사용자 편의성 측면에서만 보아야하는가에 대해서 많은 의견이 있으며, 이는 이미 업계의 화두이다. 따라서 우리는 업계의 현황에 대해서 알아보면서, 사회적으로 이를 어떻게 바라보는지 그리고 이 이슈는 왜 어떻게 발생했고, 쉽게 해결될 수 없는지에 대해서 알아본다.

개인교수형, 반복학습형, 학습용 게임형, 시뮬레이션형 프로그램등의 교육콘텐츠등의 우수사례인 장애인식교육 이러닝센터와 Simcity 시리즈를 교육 목적, 교육 대상, 관련 교과목, 전달 매체, 전체 분량, 프로그램 및 학습 내용의 구조를 바탕으로 분석하여 교육 자료가 필요한 교수자들이 활용할 수 있는 방안을 모색하였다.