디지털 라이브러리[ 검색결과 ]
무선 멀티미디어 센서 네트워크에서 에너지 효율적인 협력 통신 방법
무선 센서 네트워크에서 에너지 효율을 높이기 위해 클러스터링 방법이 제안되었다. 클러스터링 방법은 데이터를 수집하고 전달하는 계층 구조를 형성하고 있다. 그러나 대용량 데이터를 전송하는 무선 멀티미디어 센서 네트워크에서 기존의 무선 센서 네트워크의 클러스터링 기법은 과도한 데이터 전송에너지 소모량과 극도로 짧은 수명으로 인하여 적용하는 데에 어려움이 있다. 본 논문에서는 기존의 문제점을 해결하기 위하여 상황에 따른 협력 통신 기법을 적용한 대용량 데이터 전송 방법으로 EEAC를 제안하여 에너지 효율을 높였다. 실험결과 제안방법은 기존의 방법보다 에너지 효율이 약 2.5배 향상되었음을 보였다.
응용프로그램의 특성에 따른 무선센서 네트워크의 에너지 소모와 처리 지연 분석
무선 센서네트워크는 다양한 응용 프로그램들을 위하여 주변 환경으로부터 데이터수집 또는 처리를 위하여 사용된다. 무선 센서네트워크는 저 수준 계산 능력, 제한적인 배터리 용량, 낮은 네트워크 대역폭을 기반으로 운영되므로, 무선센서 네트워크의 구조 모델은 응용 프로그램의 성능에 큰 영향을 미친다. 응용 프로그램이 높은 계산 복잡도를 요구하거나, 실시간 처리를 필요로 하는 경우, 무선센서 네트워크의 중앙집중형 구조는 데이터 처리에 있어서 지연을 발생하게 되므로, 응용 프로그램의 성능 요구사항을 만족시키지 못하는 결과를 가져온다. 반면에, 응용 프로그램이 단순한 데이터 수집을 장기간 수행하는 경우, 분산 형으로 무선센서 네트워크를 구성한다면, 무선 센서들에서 불필요한 에너지 소모를 피할 수 없게 된다. 이 논문에서는 중앙집중 형 구조와 분산 형 구조에서 에너지 소모와 데이터 처리 지연을 분석, 평가한다. 또한, 본 논문에서는 무선 센서 네트워크를 위한 새로운 융합 형 구조를 제안하고 평가한다 제안된 방식은 응용 프로그램의 특성에 따라서 무선센서 네트워크에서 최적의 무선센서 노드 개수를 찾을 수 있게 한다.
Creating Level Set Trees Using One-Class Support Vector Machines
레벨 셋 트리는 다차원에 정의된 확률 밀도 함수를 표현하는데 유용하다. 복잡한 데이터의 구조를 트리 형태로 시각화하여 데이터의 형태를 효율적으로 파악할 수 있으며 클러스터링 분석에 효과적으로 이용할 수 있다. 본 논문에서는 미지의 확률 밀도 함수에서 생성된 데이터 샘플로부터 레벨 셋 트리를 생성하는 알고리즘을 제안한다. 제안된 알고리즘은 레벨을 0에서부터 무한대로 증가시키며 밀도 함수의 각 레벨 셋을 추정하고, 이로부터 레벨 셋 트리를 생성한다. 이를 위해 본 논문에서는 one-class 서포트 벡터머신 (OC-SVM)을 이용하여 직접적으로 레벨 셋을 추정한다. 이때 다양한 레벨 값에 대해 OC-SVM 학습을 반복해야 하는데, OC-SVM 솔루션 path 알고리즘을 통해 빠른 시간 안에 모든 레벨값에 해당하는 레벨 셋를 추정할 수 있다.
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.
X-means 클러스터링을 이용한 악성 트래픽 탐지 방법
한명지, 임지혁, 최준용, 김현준, 서정주, 유철, 김성렬, 박근수
악성 트래픽은 디도스 공격, 봇넷 통신 등의 인터넷 망을 교란시키거나 특정 네트워크, 서버, 혹은 호스트에 피해를 끼칠 의도를 가지고 발생시키는 트래픽을 지칭한다. 이와 같은 악성 트래픽은 인터넷이 발생한 이래 꾸준히 양과 질에서 진화하고 있고 이에 대한 대응 연구도 계속되고 있다. 이 논문에서는 악성 트래픽을 기존 X-means 클러스터링 알고리즘을 적용하여 효과적으로 탐지하는 방법을 제시하였다. 특히 악성 트래픽의 통계적 특징을 분석하고 클러스터링을 위한 메트릭을 정의하는 방법을 체계적으로 제시하였다. 또한 두 개의 공개된 트래픽 데이터에 대한 실험을 통해 실효성을 검증하였다.
