디지털 라이브러리[ 검색결과 ]
비디오 행동 인식을 위한 적응적 주파수 필터링을 통한 시공간 모델링
http://doi.org/10.5626/JOK.2024.51.12.1078
비디오 데이터에서 장기적인 시공간 의존성을 모델링하는 것은 주요 도전 과제 중 하나이다. 그러나 CNN 계열 모델은 로컬 수용영역만을 반복하므로 비디오의 글로벌 컨텍스트를 포착하는 데 한계가 있다. 이를 해결하기 위해, 우리는 기존 CNN 모델과 쉽게 통합될 수 있는 효율적인 전역 시공간 모델링 방법을 제안한다. 우리 접근법은 이산 코사인 변환(DCT)을 활용하여 비디오 정보를 주파수 도메인으로 변환한 후, 두 가지 적응적 필터링을 수행한다. 하나는 중복된 주파수를 제거하면서 중요한 정보를 보존하고, 다른 하나는 중요한 주파수를 강화하여 시공간 모델링을 개선한다. 또한, 우리는 다양한 숫자 행동(이동, 회전, 스케일링 등)을 특징으로 하는 경량 데이터셋인 DynamicMNIST를 소개한다. 세 가지 행동인식 벤치마크와 DynamicMNIST에 대한 평가 결과, 제안된 모듈이 추가 매개변수와 계산 비용을 최소화하면서도 다양한 CNN 모델에서 비디오 인식 성능을 향상시킨다는 것을 보인다.
상용 시스템에서 구동 가능한 소프트웨어 기반의 안전한 분리 메모리 시스템
http://doi.org/10.5626/JOK.2024.51.9.757
분리 메모리 시스템은 여러 서버의 메모리를 통합해 응용에 대규모 메모리를 제공하는 기술이 다. 그런데 여러 서버의 메모리를 통합하기 때문에 한 서버의 보안 위협이 다른 서버로 쉽게 전파될 수 있다는 문제가 있다. 이를 해결하기 위한 기존 연구들은 특수 하드웨어를 기반으로 하기 때문에 추가 비용 이 발생하며 상용 서버에 즉시 도입하기 어렵다. 본 논문은 소프트웨어만을 활용한 분리 메모리 시스템 보 안 보장 기법을 제시한다. 제안 기법은 분리 메모리 시스템에서 발생할 수 있는 보안 위협을 방지하기 위 해 시스템 내 서버 간 전송되는 데이터들에 대한 암호화와 무결성 검증을 소프트웨어로 수행한다. 소프트 웨어 구현으로 인한 성능 부하를 줄이기 위해 데이터 전송과 복호화를 중첩시키고 민감 데이터만 선택적 으로 암호화한다. 또, 암호화 메타데이터 크기를 최적화해 메모리 부하를 줄인다. 실험 결과, 분리 메모리 로 인한 성능 부하가 적은 경우 보안 기법 적용에 따른 추가 성능 부하가 거의 없음을 확인하였다.
디지털 포렌식 소프트웨어의 처리되지 않은 예외 분석에 있어서 타입 정보 기반 정교화
http://doi.org/10.5626/JOK.2023.50.12.1071
본 논문에서는 포렌식 과정의 신뢰성을 높이기 위하여 파이썬으로 작성된 디지털 포렌식 소프트웨어의 처리되지 않은 예외를 사전에 검출하는 기법을 설계한다. 처리되지 않은 예외 검출에 있어서 일반적으로 사용되는 집합 제약식 기반 분석 방법을 기반으로 하며 이 과정에서 발생할 수 있는 허위 경보를 줄이기 위해 Pyright의 타입 분석 기능을 결합한다. 파이썬의 리스트나 딕셔너리 등 특정 타입에서는 발생할 수 없는 키가 없는 오류나 첨자 범위 오류 등의 예외들을 제거함과 아울러 모듈 내 지점들의 종속관계를 나타내는 트리를 이용하여 경보의 중복 검출을 제거한다. 개발한 정적 분석기를 디지털 포렌식 소프트웨어 분석 모듈 9 개의 벤치마크에서 수행시킨 결과는 기존에 찾지 못한 키가 없는 오류, 첨자 범위 오류, 0으로 나누기 오류 등 3 가지 패턴의 예외 발생 지점 10 개를 특정함과 아울러 각 벤치마크에 대해 평균 84%, 최대 89%의 허위 경보를 제거함을 보인다.
정치적 양극화 완화를 위한 인공지능 웹 인터페이스 구축
http://doi.org/10.5626/JOK.2023.50.9.771
정치적 양극화는 사회적 분열을 촉진할 뿐만 아니라 다양한 분야에서 사회적 비용의 소요를 야기한다. 오랜 기간 동안 뉴스 미디어와 온라인 커뮤니티가 사회에 미치는 부정적인 영향이 보고 되었으나, 이들은 여전히 우리 사회가 해결해야 할 당면 과제로 남아있다. 본 연구는 다양성(diversity) 증진 관점에서 개인의 정치적 이념과 일치하는 정보와 반대되는 정보를 함께 소비할 수 있도록 하는 AI 기반의 웹 인터페이스를 제안한다. 다양한 관점에서 정보를 소비하는 것의 중요성을 인식하는지에 대한 정도를 측정하는 5점 리커트 척도를 사용하여 사전, 사후 설문 조사를 시행한 결과, 본 인터페이스는 통계적으로 유의한 수준에서 참여자들로 하여금 다양한 관점에서의 정보 소비의 중요성 인지에 대한 정도를 높였다.
자동 편집을 이용한 개체명 말뭉치 확장
http://doi.org/10.5626/JOK.2023.50.1.11
자연언어처리 분야에서 말뭉치는 기계학습이나 심층학습을 위한 필수 자원이다. 한국어 개체명 말뭉치의 경우, 미국이나 일본이나 중국 등에 비해 잘 정제된 개체명 말뭉치가 부족한 실정이다. 현재 수행되고 있는 대부분의 개체명 말뭉치 구축 작업은 수작업이나 반자동으로 진행되고 있으며 이 경우에는 많은노력과 비용이 소요된다. 본 논문에서는 새롭게 말뭉치를 구축하는 것이 아니라 기존에 존재하는 적은 양의 말뭉치를 자동으로 확장하는 방법을 제안한다. 제안된 방법은 기존 말뭉치에 포함된 단어를 자동 편집(대체(substitution), 삽입(insertion), 삭제(deletion))을 이용해서 말뭉치를 확장한다. 단순한 단어를 편집하는 것은 확장된 말뭉치가 부자연스럽거나 다양성이 다소 부족할 수 있으므로 확률 표집을 적용하여 이 문제를 해결하였다. 본 논문에서는 확장된 말뭉치를 이용해서 개체명 인식기에서 성능이 향상됨을 확인할 수 있었다.
4세대 CKKS 동형암호 틀을 지원하는 딥뉴럴넷 특화 동형암호 최적화 컴파일러 HedgeHog
이동권, 이계진, 김수찬, 송우성, 이도형, 김훈, 조승한, 박규연, 이광근
http://doi.org/10.5626/JOK.2022.49.9.743
우리는 기존보다 사용하기 쉬운 상위 입력언어를 사용하면서도 결과물 코드의 성능이 뛰어난 새로운 4세대 동형암호 최적화 컴파일러 HedgeHog를 개발하였다. 동형암호 기술은 그 유용성에도 불구하고 동형암호에 대한 전문지식이 없는 사용자의 입장에서는 직접 성능 좋은 동형암호 코드를 작성하는 것이 매우 어렵기 때문에, 상위 입력언어를 동형연산 코드로 자동변환해주는 동형 컴파일러 기술의 중요도는 매우 높다. 하지만 대부분의 기존 동형 컴파일러들은 4세대 이전의 동형암호 틀을 기반으로 하여 실수연산을 지원하지 못하기 때문에 뉴럴넷이나 통계분석 등의 분야에 쓰일 수는 없는 실정이다. 또한 4세대 동형암호 틀을 기반으로 하는 기존 동형 컴파일러들도 덧셈, 곱셈 등의 하위 연산자들을 기반으로 한 입력언어를 사용하고 있기에 뉴럴넷 모델 등의 상위 프로그램을 기술하기 어렵다는 단점이 있고, 이 과정에서 불필요한 연산자들이 사용되어 비효율적인 결과물 코드를 생성할 위험성이 높다. 우리는 이러한 문제를 해결하기 위해 뉴럴넷 핵심 상위 연산자를 포함하는 입력언어 코드를 동형연산 코드로 자동변환해주는 최적화 컴파일러 HedgeHog를 개발하였다. HedgeHog는 기존 최고수준 4세대 동형 컴파일러인 EVA에 비해 최대 22%의 성능향상을 보인다.
K-means 클러스터링을 사용한 SVD 기반의 교차 도메인 추천
http://doi.org/10.5626/JOK.2022.49.5.360
교차 도메인 추천은 다른 도메인에 있는 관련 사용자 정보 데이터와 아이템 데이터 공유를 통해 해결하고자 하는 방법이다. 사용자 중복이 많은 온라인 쇼핑몰이나 유튜브(YouTube) 또는 넷플릭스 (NetFlix)와 같이 멀티미디어 서비스 컨텐츠에서 주로 사용된다. K-means 클러스터링을 통해 사용자 데이터와 평점을 기반으로 군집화를 실시하여 임베딩을 생성한다. 그 결과를 다층 신경망(Multi Layer Neural Network)를 통해 학습시킨 후, 사용자 만족도를 예측한다. 그 후 협업 필터링 기법인 행렬 분해(matrix factorization)를 이용하여 사용자에게 맞는 아이템들을 추천한다. 이 연구를 통해 추천함으로써 더 적은 시간적 비용으로 초기 사용자 문제에 대해 예측이 가능하고, 사용자들의 만족도를 높일 수 있다는 결과를 실험을 통해 보여주었다.
패션사진의 “좋아요”를 이용한 인스타그램 사용자 임베딩과 패션사진 추천
http://doi.org/10.5626/JOK.2021.48.11.1235
개개인이 선호하는 패션 스타일이 다양해지며, 개인화된 패션추천 연구에 대한 수요가 증가하고 있다. 최근에는 딥러닝 기술의 발전으로 딥러닝을 활용하여 패션사진으로부터 특징을 추출하고 추천에 활용하는 연구가 많이 진행되고 있다. 본 연구에서는, 패션사진의 추천에 있어서 패션 스타일 뿐 아니라, 소비자도 고려하기 위해 소셜 네트워크 데이터를 이용하고자 했다. 인스타그램과 같은 소셜 네트워크의 각 사용자는 자신이 선호하는 스타일의 패션사진을 포스팅하고 “좋아요”로 태깅하는 경향이 있어, 소셜 네트워크 데이터는 사용자와 패션사진 사이의 관계를 파악하는데 있어서 매우 중요하다. 본 연구팀은 사용자와 패션사진으로 이루어진 소셜 네트워크 데이터 구조로부터 사용자와 패션사진을 같은 벡터공간에 매핑하는 기법을 제안한다. 특히, 학습에 이용되지 않은 사용자와 패션이미지도 추가학습 없이 벡터공간에 매핑함으로써, 임의의 사용자가 선호할 만한 패션사진을 추천해주기 위해 제안 방법을 이용할 수 있다.
시맨틱 얼굴 변형을 이용한 심층신경망 공격과 강건성 향상
http://doi.org/10.5626/JOK.2021.48.7.809
심층신경망은 자율 주행, 얼굴 인식, 물체 탐지 등 다양한 분야에서 널리 쓰이고 있다. 하지만 누군가 악의적인 의도로 심층신경망의 입력을 교란시키면, 잘 학습된 신경망도 오작동 할 수 있다. 일반적인 공격 방법은 이미지의 픽셀 공간에 교란을 추가하여 이미지를 조작한다. 그러나 픽셀 기반의 변형은 쉽게 사람의 눈에 띌 수 있기 때문에 현실적인 효과적 공격은 이미지를 부자연스럽게 변형하여 네트워크를 교란시키는 방법이라 할 수 있다. 본 논문에서는 얼굴 이미지의 부위별 분할을 통해 자연스러운 색감 변형을 이용한 새로운 공격 방법을 제안한다. 시맨틱 얼굴 변형(Semantic face transformation) 기반 이미지를 생성하였으며, 이를 통해 심층신경망 이미지분류의 정확도를 낮출 수 있음을 검증하였다. 또한 우리 방법으로 생성된 변형 이미지를 이용하여, 강건성 훈련한 후 신경망의 강건성을 향상시킬 수 있음을 검증하였다.
AP-QoS 기반 Wi-Fi 슬라이싱의 실시간 시스템 적용의 한계 분석
http://doi.org/10.5626/JOK.2021.48.6.723
네트워크 슬라이싱은 애플리케이션 서비스 혹은 사용자의 종류에 따라 차별화된 네트워크 서비스 품질을 보장하는 기술이다. IEEE 802.11에 기반한 Wi-Fi는 가장 보편적으로 사용되는 근거리 무선 통신이며 그 사용자 역시 해마다 늘어나고 있다. 최근에는 의료기기와 같은 고안전성 IoT 기기의 Wi-Fi 사용이 점차 늘어나고 있고, 기업에서도 사용자 서비스 등급에 따른 차별화된 Wi-Fi 서비스를 비즈니스에 활용하기 위해 Wi-Fi를 위한 네트워크 슬라이싱 기술을 요구하고 있다. 본 논문에서는 시간적 결정성을 요구하는 하드 실시간 시스템을 위해 AP-QoS 기반의 네트워크 슬라이싱 구현의 한계와 문제점을 분석한다. 본 논문에서는 QoS를 제공하는 IEEE 802.11e의 Enhanced Distributed Coordination Access(EDCA, 향상된 분산 채널 접근)의 최악의 경우를 분석하는 프레임워크를 정의하고, 이를 통해서 시간적 결정성을 해치는 EDCA의 최악의 경우를 확인한다. 또한 NS-3를 통해 AP-QoS 기반의 네트워크 슬라이스 한계와 문제점을 실증한다. 아울러 AP-QoS의 EDCA를 활용한 실시간 시스템을 위한 Wi-Fi 스트리밍 기술을 본 논문이 참조하는 기술보고서를 통해서 제공한다.
