디지털 라이브러리[ 검색결과 ]
대규모 무선 센서 네트워크에서 트래픽을 고려한 혼잡제어
대규모 무선 센서 네트워크는 넓은 지역에 불균일하게 많은 수의 센서노드들이 분포하므로 높은 조밀한 밀집도로 인해 센서노드들이 수집한 데이터들이 서로 유사하거나 중복될 수 있다. 다수의 센서노드에서 싱크노드로 수렴하는 트래픽 특성으로 인해 센서노드들이 수집한 데이터를 싱크노드로 전송할 때 싱크노드 주변의 센서노드들은 싱크노드로부터 멀리 떨어져 있는 센서노드들에 비해 트래픽 양이 많아 혼잡이 발생하여 병목문제가 발생하고, 에너지 소모량도 증가하여 에너지 홀 문제가 발생한다. 본 논문에서는 대규모 무선 센서 네트워크에서 불균일하게 분포되어 있는 센서노드들의 혼잡을 제어하기 위한 트래픽을 고려한 혼잡제어기법를 제안하였다.
이종 소셜 네트워크 상에서 친구계정의 이름을 이용한 사용자 식별 기법
온라인 소셜 네트워크 서비스(online social network service)를 사용하는 사용자의 증가와 더불어 Twitter, LinkedIn, Tumblr 등 다양한 주제의 SNS들이 등장하고 있다. 사용자들은 SNS에 자신의 정보를 자발적으로 제공하고 서비스를 사용하나, 대용량 데이터 처리 기술의 발전과 프라이버시에 대한 인식이 고취됨에 따라 SNS 이용에 따른 프라이버시 침해가 문제점으로 부각되고 있다. 이를 해결하기 위해 기계 학습에 기반을 둔 SNS 상의 프라이버시 보호 기법들이 연구되어왔으며, 지금도 활발히 연구가 진행중이나 새로운 SNS의 등장에 따른 프라이버시 침해 사례들이 지속적으로 제기되고 있다. 본 논문은 SNS에서 써드 파티 애플리케이션 개발자, 혹은 서비스 제공자가 악의를 가지고 SNS 사용자의 프라이버시를 침해하는 상황에서 사용자가 프라이버시 유출을 사전 탐지하는 기법을 제안한다.
무선 센서 네트워크에서의 분산 컴퓨팅 모델
무선 센서 네트워크는 분산처리 환경을 제공해준다. 센서 노드들은 계산 능력, 네트워크 대역폭, 전력 등이 제한된 환경에서 배치되고 스스로 네트워크를 구성하여 수집된 데이터들을 싱크노드로 전송한다. 이런 전형적인 무선 센서 네트워크에서는 네트워크 패킷들 간의 충돌이 발생하며 이로 인해 네트워크 수명이 단축된다. 클러스터링과 네트워크 내부처리는 네트워크 내부의 패킷을 줄여 문제점을 해결한다. 제한된 에너지를 가진 센서 노드가 가능한 오랫동안 동작하게 하는 것이 큰 이슈이기 때문에 많은 연구들이 에너지 절약에 중점을 두고 진행되고 있다. 하지만 본 논문에서는 프로세싱 타임라인에 기반을 둔 협력 처리 모델을 제안한다. 이 모델은 처리의 검증, 총 실행시간의 예측, 무선 센서 네트워크에서 분산 처리에 필요한 최적의 노드 개수의 결정 등을 포함한다. 제안된 모델의 정확성을 실험을 통해 나타내고, 사례 연구로 이 모델이 분산처리 어플리케이션에 사용가능함을 보인다.
WSN 기반 노변 초음파 센서를 이용한 차량인식에 대한 모델링 및 분석
기존 교통정보 수집시스템의 낮은 확장성과 높은 비용 등의 문제를 해결하기 위해 WSN 기반의 교통정보 수집 시스템이 최근 많이 연구되고 있다. WSN 기반 시스템은 기존 시스템에 비해 높은 확장성과 낮은 유지보수 비용을 가지는 장점이 있다. 최근에는 자기장센서, 가속도센서, 음향센서 등 다양한 센서를 이용하여 WSN 기반 교통정보수집 시스템 연구가 진행되고 있다. 하지만, 초음파센서를 이용한 WSN 기반 시스템은 아직 연구가 부족한 실정이다. WSN 기반 시스템은 배터리 동작, 낮은 컴퓨팅 파워와 같은 고유 특징으로 인해 에너지절약과 알고리즘의 경량화가 필요하다. 본 논문에서는 상세 모델링과 분석을 통해 도로환경에 따른 초음파 센서의 이상적인 에너지절약 방법을 제시한다. 또한 초음파 데이터를 이용한 차량인식 알고리즘의 경량화를 위한 방법을 제시한다. 제안된 방법은 초소형 마이크로프로세서에 실제 구현되었으며 성능평가를 통해 높은 차량인식 정확성을 보임을 확인하였다.
OpenFlow기반 무선 메쉬 네트워크 환경에서의 컨텐츠 라우팅
IEEE 802.11s 기반의 무선 메쉬 네트워크는 기존의 인터넷 구조를 지니기 때문에 목적지 주소 기반 라우팅을 수행한다. 하지만 이러한 방식은 네트워크 사용자의 근본적 목적인 ‘무엇’에는 관심이 없으며 ‘어디’에만 관심을 가진다는 한계점을 지닌다. 또한, 최근 폭발적으로 증가한 모바일 디바이스로 인하여 무선 네트워크 트래픽 역시 폭발적으로 증가하였다. 이러한 트래픽은 많은 사용자가 동일한 컨텐츠를 요구할 시 네트워크 내에 중복된 내용의 패킷이 늘어나 네트워크 전체 효율성을 저하시킨다는 문제점을 지니고 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 OpenFlow 기반 무선 메쉬 네트워크 환경에서의 컨텐츠 라우팅 기법을 제안한다. 효율적인 컨텐츠 라우팅을 위하여 기존 메쉬 네트워크의 네트워크 계층에 컨텐츠 계층을 추가적으로 구현하였으며, OpenFlow를 활용하여 컨텐츠 식별자를 기반으로 하는 라우팅 기법을 제안하였다. 또한 OpenFlow를 활용한 효율적인 캐싱 기법을 제안하여 메쉬 네트워크 내의 중복된 내용의 패킷을 감소시킴으로서 네트워크의 효율성을 증가시켰다. 본 논문에서는 제안한 컨텐츠 라우팅 기법의 컨트롤 메시지 오버헤드를 CCN 방식과 비교하여 분석하였으며, 캐싱 위치 설정 기법이 적용되지 않은 환경과 적용된 환경의 지연 시간을 비교하였다. 그 결과, 캐싱 기법의 효율성을 나타내는 지연시간 측면에서는 약 20%의 성능 향상을 보였으며 컨트롤 메시지 시그널링 오버헤드는 최대 89% 감소함을 확인할 수 있었다.
관계 기반 특징을 이용한 트위터 스패머 탐지
트위터는 페이스북과 더불어 전 세계적으로 인기 있는 SNS(Social Network Service)이다. 트위터에서 이메일 인증 방식을 악용하여 대량 생성된 스패머 계정은 유해한 콘텐츠로 트위터 사용자들에게 불편함을 준다. 본 논문에서는 이러한 문제를 해결하고자 관계 기반 특징을 이용한 스패머 탐지 기법을 제안한다. 관계 기반 특징이란 사용자의 호감 정도를 표현할 수 있는 친구 관계 특징과 사용자 간의 유사성을 나타낼 수 있는 유형 관계 특징들을 의미한다. 기존의 스패머 탐지 기법과 본 논문에서 제안하는 탐지 기법의 성능을 스패머의 비율을 3%에서 30%까지 변화시키면서 비교 실험한 결과, 본 논문에서 제안하는 기법이 Naive Bayesian Classifier와 Decision Tree 모두에서 더 우수한 성능을 보였다.
가상화 환경의 고성능 I/O를 위한 반가상화 라이브러리
현재 가상화 기술은 많은 연구를 통해 다양한 분야에서 널리 쓰이고 있다. 그러나 여전히 I/O 워크로드는 가상화로 인한 성능 저하로 인하여 가상화 분야에 적용되지 못하고 있다. 이전의 많은 연구에서 가상화 I/O 과정의 모드전환과 중복된 I/O 스택을 이러한 성능 저하의 원인으로 파악하고, 이를 해결하기 위한 기법을 제안하였으나 여전히 가상화 되지 않은 환경의 물리장치에 비해 낮은 성능을 보여주었다. 본 논문에서는 가상화 라이브러리를 사용하는 새로운 I/O 가상화 기법을 제안한다. 본 제안기법은 가상화 I/O 과정에서 발생하는 모드 전환을 완전히 제거하고 게스트 운영체제의 I/O 스택을 우회함으로써 I/O 성능을 향상 시킨다. 네트워크 환경을 위한 프로토타입 구현을 통해 본 제안기법은 네트워크 처리량을 169% 향상시키며 네트워크 지연을 38% 감소시킴을 확인하였다.
지속적인 그래프 임베딩에서 효과적인 중요도 기반 개체 그룹화 기법
http://doi.org/10.5626/JOK.2025.52.7.627
본 연구는 지속적인 그래프 임베딩에서 개체 중요도 평가의 정확성을 개선하기 위해 관계의 매개 중심성을 가중치 기반 페이지랭크 알고리즘의 가중치로 적용하는 새로운 방법론을 제안한다. 간선 매개 중심성을 정규화해 모델에 통합함으로써, 제안 기법은 간선을 통한 정보 흐름의 중요성을 반영하면서 개체 중요도를 효과적으로 전파해 네트워크 전반의 학습 성능을 향상시킨다. 실험 결과, 다양한 데이터셋 에서 MRR 및 Hit@N 지표에서 기존 기법 대비 유의미한 성능 향상을 보였다. 특히, 새로운 개체와 관계가 지속적으로 추가되는 환경에서 제안 방법은 첫 번째 스냅샷 이후 높은 성능 개선을 나타냈다. 이러한 결과는 관계의 중심성을 활용한 개체 중요도 전파가 지속적인 지식 그래프 임베딩의 학습 효율성을 크게 증대시킬 수 있음을 시사한다.
비지도 학습 기반의 VNF 이상 탐지 방법
http://doi.org/10.5626/JOK.2022.49.9.780
가상화 기술을 네트워크에 적용하면 하드웨어 의존성을 줄일 수 있으며, 상황에 맞는 유연한 제어 및 관리가 가능하다. 또한 Capital Expenditure(CAPEX)와 Operating Expenditure(OPEX)를 감소시킬 수 있기 때문에 현대의 통신 사업자나 서비스 제공업체는 Software-Defined Networking(SDN)과 Network Function Virtualization(NFV) 기술을 활용해 기존의 서비스를 효율적으로 제공하고 있다. SDN/NFV 기술이 널리 사용됨에 따라 Vitualized Network Function(VNF)에 대한 사이버 공격이 늘어나고 있으며, 이로 인해 서비스 품질이 저하되거나 서비스를 제공하지 못하는 경우가 발생하고 있다. 본 논문에서는 VNF의 성능 정보를 수집하고, 수집된 데이터와 비지도 학습을 이용해 VNF의 정상상태를 모델링하고, 이를 이용해 사이버 공격으로 인한 이상상태를 탐지하는 기법을 제안한다.
대규모 결측 영역에 강인한 Super Resolution 기반 Image Inpainting
http://doi.org/10.5626/JOK.2022.49.9.708
Image Inpainting은 이미지의 누락된 영역을 그럴듯한 이미지로 채우는 기법이다. 최근 딥러닝의 도입으로 인해 복원 성능이 크게 향상되었으나 누락된 영역이 클 경우, 복잡한 장면을 담고 있는 경우, 그리고 고해상도일 경우에는 부자연스러운 복원 결과를 얻는다. 본 논문에서는 고해상도 이미지보다 저해상도 이미지에서 복원이 더 잘 된다는 점을 활용하여 Super Resolution 기반의 2단계 Image Inpainting 기법을 제안한다. 첫 번째 단계에서 고해상도 이미지를 저해상도로 변환하여 복원을 수행하고, 두 번째 단계에서 Super Resolution 모델을 통해 원래의 고해상도로 복원한다. 제안하는 기법의 효과를 검증하기 위해 고해상도의 Urban100 데이터셋을 사용하여 정량 및 정성 평가를 수행하였다. 또한, 누락된 영역의 크기에 따른 복원 성능을 분석하고, 제안하는 기법이 자유로운 형태의 마스크에서 만족할 만한 복원 결과를 생성할 수 있음을 입증하였다.
