디지털 라이브러리[ 검색결과 ]
Rényi 차분 프라이버시를 적용한 WGAN 모델 연구
http://doi.org/10.5626/JOK.2021.48.1.128
다양한 서비스를 이용함으로써 개인정보는 수집되며, 관리자는 수집된 데이터들로부터 가치를 추출하고 결과를 분석하여 개개인의 맞춤형 정보를 제공한다. 하지만 의료 데이터와 같은 민감한 데이터는 프라이버시 침해문제가 있으며, 이에 재현 데이터 생성 모델로 GAN이 많이 사용되고 있다. 그러나 GAN은 원본 데이터의 민감한 정보까지 학습하므로 프라이버시 취약점이 존재한다. 따라서 GAN의 프라이버시 보호를 위해 많은 연구가 수행되었다. 특히 강력한 프라이버시 보호 모델인 차분 프라이버시를 적용한 연구가 진행되었지만, 데이터의 유용성 측면에서 실제 환경에 적용하기에는 부족하다. 본 논문에서는 프라이버시와 유용성을 보장하는 Rényi 차분 프라이버시를 적용한 GAN 모델을 연구한다. 특히 WGAN 및 WGAN-GP을 기반으로 프라이버시를 보존하지 않은 기존의 모델, 차분 프라이버시를 적용한 모델, 그리고 Rényi 차분 프라이버시를 적용한 모델들을 통해 생성된 재현 데이터를 비교 분석한다.
고밀도 비디오 캡션 생성을 위한 의미 특징 학습
http://doi.org/10.5626/JOK.2019.46.8.753
본 논문에서는 고밀도 비디오 캡션 생성을 위한 새로운 심층 신경망 모델을 제안한다. 고밀도 비디오 캡션 생성은 하나의 입력 비디오로부터 다수의 이벤트 구간들을 찾아내고, 이들 각각에 관한 자연어 설명 문장을 생성하는 작업이다. 기존의 모델들에서는 합성곱 신경망을 통해 입력 비디오의 시각 특징만을 추출하여 사용한 것과는 달리, 본 논문에서 제안하는 모델에서는 행위, 물체, 배경, 사람 등 중요한 이벤트 구성 요소들을 효과적으로 표현할 수 있는 고수준의 의미 특징들을 추가적으로 활용하였다. 또한 제안 모델에서는 순환 신경망인 LSTM을 이용하여 비디오 안에 포함된 이벤트 시간 영역들을 탐지하였다. 또, 제안 모델에서는 중요도에 따라 선택적으로 입력 특징들에 집중할 수 있도록, 캡션 생성 과정에 주의집중 메커니즘을 적용하였다. 고밀도 비디오 캡션 생성을 위한 대용량 벤치마크 데이터 집합인 ActivityNet Captions 데이터 집합을 이용한 다양한 실험을 통해, 본 논문에서 제안한 모델의 높은 성능과 우수성을 확인할 수 있었다.
NEON SIMD를 통한 경량 블록 암호 CHAM의 속도 향상 방안에 대한 연구
http://doi.org/10.5626/JOK.2019.46.5.485
임베디드 디바이스 및 IoT 기기들이 개발됨에 따라 저사양 디바이스 상에서 기밀성을 달성하기 위한 경량 블록 암호들이 제안되고 있다. 최근 국내에서는 4-branch Feistel 구조를 갖는 경량 블록 암호 알고리즘 CHAM이 제안되었다. 이는 평문과 비밀 키의 크기에 따라 CHAM-64/128, CHAM-128/128, CHAM-128/256으로 구성된다. 상태 정보를 유지하지 않는(stateless on the fly) 키 스케줄 그리고 ARX 연산을 기반으로 한 CHAM은 임베디드 디바이스에서 효율적이며 특히 저사양 디바이스 상에서 더 효율적이다. 본 논문에서는 국내 경량 블록 암호 CHAM을 분석하고 고사양 IoT환경에서 최적화 방안에 대해 연구한다. 라운드 키의 독립적 생성과 4-branch Feistel 성질을 이용하여 직렬 구현을 하였고, NEON(ARM SIMD)을 이용해 CHAM을 병렬 구현하여 ARM Cortex-A53 상에서 최적화하였다.
