디지털 라이브러리[ 검색결과 ]
사이버물리 시스템의 안전한 강화학습을 위한 안전가드와 가상경험주입 기법
http://doi.org/10.5626/JOK.2022.49.2.145
현실세계와 가상세계를 연결하는 CPS(Cyber-Physical System)는 다양한 분야에서 활용된다. 한편 CPS와 인공지능의 한 분야인 강화학습의 도입은 최근 연구의 관심사이다. 그러나 강화학습 특유의 탐색 과정에서 발생하는 무작위성은 안전필수인 CPS를 위험한 상태로 전이시킬 수 있다. 본 논문에서는 CPS의 안전한 강화학습을 위한 안전가드와 가상경험주입 기법을 제시한다. 안전가드는 CPS가 학습 도중 위험한 상태로 전이하는 것을 방지하지만 위험한 상태의 학습 경험을 갖지 않게 한다는 단점을 갖는다. 이러한 단점은 위험 상태에서의 가상 경험을 학습 과정에 주입하는 가상경험 주입을 통해 최소화시킨다. 제시된 방법은 CPS의 안전한 강화학습을 보장하며, 위험 상태로 전이된 경우에도 안전한 상태로 복귀할 수 있는 일차적인 안전망을 제공해준다. 또한 시뮬레이션을 통해 연구 결과의 효용성을 입증하였다.
V-그램: 명령어 기본 블록과 딥러닝 기반의 악성코드 탐지
http://doi.org/10.5626/JOK.2019.46.7.599
악성코드가 급증하여 기계 학습 기반의 자동 탐지 연구가 중요해지고 있다. 악성코드 실행파일로부터 추출되는 opcode 시퀀스는 악성코드 탐지에 좋은 특징이기 때문에 바이트 기반의 n-그램 처리 기법을 거쳐 기계 학습의 입력 데이터로서 폭넓게 사용되고 있다. 본 논문에서는 처리 속도와 저장 공간 측면에서 기존 n-그램 방식을 크게 향상시키는 기본 블록 단위의 딥러닝 입력 데이터 가공 기법인 V-그램을 새롭게 제안한다. V-그램은 opcode 시퀀스로부터 의미 없는 입력 데이터의 불필요한 생성을 막을 수 있다. 본 논문에서는 64,000개 이상의 실제 정상 및 악성코드 파일을 수집하여 진행한 실험을 통해서, V-그램이 처리 속도와 저장 공간, 그리고 탐지 정확도 측면에서 모두 기존의 n-그램 기법보다 우수하다는 것을 검증하였다.
