디지털 라이브러리[ 검색결과 ]
대비 결합 CNN을 이용한 인공위성 사진 내 선박 탐지 정확도 향상 연구
http://doi.org/10.5626/JOK.2019.46.8.823
인공위성은 지상관측이나 통신, 해양, 방송 등의 임무를 가지며 인공위성 사진을 이용한 선박탐지는 해상 보안 및 교통 통제 등 쓰임새가 다양하다. 인공위성 사진의 특성은 지구 전역을 촬영하기 때문에 저장되는 데이터양이 많고 각 사진은 초고해상도로 크기가 매우 커 컴퓨터를 이용한 자동 선박 탐지가 필요하다. 기존 연구에서는 여러 딥러닝 모델을 이용하여 선박 탐지 연구를 진행하였지만, 인공위성 사진 특성으로 인한 처리속도가 문제되어 상대적으로 빠른 CNN 모델을 이용하여 연구가 진행되고 있다. 그러나 선박이 있는 선착장과 등대, 파도 등 여러 가지 요인으로 인해서 대부분 정확도와 성능을 높이는데 어려움을 가지고 있다. 따라서 이 논문에서는 이미지 명암 대비 향상을 기존 CNN(Convolution Neural Network)에 접목해 정확도와 성능을 높인 모델을 제안한다. 또한, 학습 단계에서 선박 분류에 필요한 데이터의 양을 늘리기 위해 overlap과 rotation 기능을 이용하고 실제 인공위성 사진에서 탐지 속도를 줄이기 위해 탐지 최적화(window sliding)를 고려하여 자동화 탐지 기술을 구현한다. 식별된 선박 데이터는 다시 학습데이터로 사용하여 정확도를 높이고 실제 산업에서 사용할 수 있도록 구현한다.
기계학습을 이용한 네트워크 전장정보 수집
http://doi.org/10.5626/JOK.2018.45.10.1096
최근 IoT(Internet Of Things) 및 ICT(Information and Communications Technologies) 기술이 집약된 다양한 시스템이 개발로 인해 다양한 기기들이 네트워크에 연결되면서 각기 다른 리소스와 기능을 갖는 기기들에 따른 다양한 운영체제가 등장하게 되었다. 해킹 보안에 대한 관심이 높아지면서 각 기기들에 대해 탑재된 운영체제의 취약점 분석과 이에 따른 실제적인 공격 기법에 대한 연구가 진행되었으며, 이에 따라 기기의 운영체제의 종류와 세부적인 버전 그리고 중점적으로 강화되어 있는 기능(API)이 보안에 있어 중요한 정보로 대두되고 있다. 사이버 전에서 이러한 정보 수집을 관제하는 것은 사이버 위협의 전초이기 때문에 이러한 스캐닝을 네트워크 트래픽 관제하는 방안은 끊임없이 연구되어 왔으며, 이 관제를 피하기 위해 정보수집자는 은밀하게 포트 정보를 수집하기 위한 대책을 맞서 준비하는 실정이다. 본 논문에서는 네트워크 관제시스템에서 중요하게 여기지 않는 네트워크 기본 명령어들과 기계학습을 이용한 분석을 통해서 상대에 대한 정보를 얻어 낼 수 있는 스캐닝에 대해서 다루게 된다.
효율적인 네트워크 고립을 위한 공격기법에 대한 연구
http://doi.org/10.5626/JOK.2018.45.5.489
최근 많은 기기와 사물들이 사물인터넷(Internet of Thing)기술을 이용해 네트워크에 접속하고 있다. 작은 규모를 대상으로 하는 지역 인터넷(Local Area Network: 이하 LAN)망에서도 많은 기기들이 연결되어 네트워크 토폴로지의 복잡성은 매우 커지고 있다. 이런 작은 규모의 네트워크가 모인 대규모 네트워크도 전국단위로 확장 되고 있는 추세이다. 대규모 네트워크 안에서 집중형 혹은 분산형으로 데이터가 모이거나 퍼져나가는 흐름이 만들어지고 있다. 이 흐름은 각종 산업에 유용하게 이용되고 있다. 특히, 국가기반산업에 혹하는 금융, 통신, 군(軍), 발전 시설은 전국단위 인터넷망을 이용해서 상황을 관제하고 긴급한 상황에 대처할 수 있는 데이터의 흐름을 유지하고 있다. 이런 환경을 갖고 있는 네트워크 상황에서 관제나 데이터 수집 및 저장 혹은 데이터 처리를 하고 있는 중요한 기기(Node)나 이 기기를 포함한 작은범위의 네트워크(LAN)가 전체 네트워크에서 분리 및 고립된다면, 굉장한 혼란을 초래하게 될 것이다. 이 논문에서는 대규모 네트워크에서 중요 LAN혹은 Node를 고립시키는 기법에 대해서 다루게 된다.
IoT환경에서의 부하 균형을 이룬 네트워크 토폴로지 탐색
http://doi.org/10.5626/JOK.2017.44.10.1071
오늘날 복잡한 네트워크 망을 가지게 됨에 따라 네트워크 기기들의 자산식별은 관리 및 보안관점에서 중요한 사항으로 대두되고 있다. 이러한 자산들은 네트워크 망에 연결되어 있기 때문에 네트워크망 구조를 알아내고, 각 자산의 위치 및 연결 상태를 확인하는 것 또한 중요하다. 이는 네트워크 구조상의 취약점들을 밝혀내는데 사용되어지고, 이를 통하여 취약점을 보완할 수 있다. 하지만 적은 리소스를 가지는 사물인터넷의 네트워크 망에서는 네트워크 구조를 알아내기 위하여 모니터들이 보내는 Traceroute 패킷이 사물인터넷 기기들에게 과부하를 줄 수 있다. 이를 위하여 본 논문에서는 기존에 사용 되던 더블 트리 알고리즘을 효과적으로 발전시킴으로써 사물인터넷이 이루는 네트워크 망의 부하를 줄인다. 이러한 부하 균형을 이루기 위하여 이 논문에서는 새로운 목적지 매칭 알고리즘을 제시하고, 통계학적으로 현재 탐색하고 있는 경로와 가장 겹치지 않은 경로로 탐색을 시도한다. 이를 통해서 네트워크의 부하 균형을 이루고, 부가적으로 모니터의 리소스 사용을 균등하게 한다.
허니암호의 메시지 복구보안 기능을 위한 암호패딩 문제점 분석
http://doi.org/10.5626/JOK.2017.44.6.637
허니암호(HE:Honey Encryption)는 기존의 패스워드 기반 암호(PBE:Password Based Encryption)의 무차별 대입 공격(Brute Force Attack)에 대한 취약점을 극복하기 위한 기술이다. 잘못된 키를 입력해도 그럴듯한 평문을 출력함으로써 공격자가 엔트로피가 작은 비밀키를 대상으로 무차별 대입 공격을 시도하더라도 충분히 견딜 수 있는 메시지 복구 보안성을 제공한다. 하지만 HE에 암호화 패딩(Padding)이 필요한 암호(Cipher)를 적용하면 기존의 PBE방식보다 큰 문제점이 나타나게 된다. 본 논문에서는 대표적인 블록암호(AES-128) 및 스트림암호(A5/1)를 적용하여 복호문 빈도분석 실험을 통해 패딩의 문제점을 확인하고, HE의 안전한 운용 방안을 제시하였다.
