디지털 라이브러리[ 검색결과 ]
신용카드 거래 데이터를 활용한 BiLSTM-GAT 기반 매출 예측 모델 연구
http://doi.org/10.5626/JOK.2024.51.9.807
신용카드 거래데이터를 통한 매출 예측은 소비자 구매 패턴 및 시장 동향을 파악하는데 중요한 역할을 한다. 그러나 기존의 통계 및 기계 학습 모델은 지리적 데이터와 서비스 업종, 인구 및 거래시 간의 매출 정보 등 다양한 특성 간의 관계와 시간적 특성을 분석하는데 한계가 있다. 본 논문에서는 상권 간의 특성에 따른 관계와 매출의 시계열 특성을 동시에 분석할 수 있는 두 가지 모델을 제안한다. 제안된 두 모델의 성능을 비교 분석하기 위해 상권 간 거리 및 특성별 매출 유사도를 기반으로 그래프를 구성하 였다. 이후, 제안 모델의 성능을 기존 시계열 모델인 LSTM 및 BiLSTM과 비교하였다. 실험 결과, RMSE를 기준으로 GAT-BiLSTM 모델은 BiLSTM 모델 대비 약 15%, BiLSTM-GAT 모델은 BiLSTM 모델 대비 약 29% 예측 정확도가 향상되었다.
상용 시스템에서 구동 가능한 소프트웨어 기반의 안전한 분리 메모리 시스템
http://doi.org/10.5626/JOK.2024.51.9.757
분리 메모리 시스템은 여러 서버의 메모리를 통합해 응용에 대규모 메모리를 제공하는 기술이 다. 그런데 여러 서버의 메모리를 통합하기 때문에 한 서버의 보안 위협이 다른 서버로 쉽게 전파될 수 있다는 문제가 있다. 이를 해결하기 위한 기존 연구들은 특수 하드웨어를 기반으로 하기 때문에 추가 비용 이 발생하며 상용 서버에 즉시 도입하기 어렵다. 본 논문은 소프트웨어만을 활용한 분리 메모리 시스템 보 안 보장 기법을 제시한다. 제안 기법은 분리 메모리 시스템에서 발생할 수 있는 보안 위협을 방지하기 위 해 시스템 내 서버 간 전송되는 데이터들에 대한 암호화와 무결성 검증을 소프트웨어로 수행한다. 소프트 웨어 구현으로 인한 성능 부하를 줄이기 위해 데이터 전송과 복호화를 중첩시키고 민감 데이터만 선택적 으로 암호화한다. 또, 암호화 메타데이터 크기를 최적화해 메모리 부하를 줄인다. 실험 결과, 분리 메모리 로 인한 성능 부하가 적은 경우 보안 기법 적용에 따른 추가 성능 부하가 거의 없음을 확인하였다.
가중치 미러링과 직접 피드백 오차를 이용한 신경망 학습법
http://doi.org/10.5626/JOK.2024.51.5.445
오류 역전파 알고리즘은 신경망의 핵심적인 학습 알고리즘으로 최근에도 다양한 딥러닝 모델 에서 사용되고 있다. 그러나 오류 역전파 학습에서 상위층 오차 신호가 하위층으로 순차적으로 전달되면서 상위층의 가중치 정보가 하위층 가중치 업데이트에 사용되는 방식은 생물학적 타당성의 결여와 계산 효율 성 저하의 문제가 지적되어왔다. 이러한 문제들을 개선하기 위하여 역방향 가중치를 별도로 사용하는 학습 방법론들이 제안되었으나 아직 초기 연구에 머물고 있으며 다양한 관점에서의 분석이 필요하다. 본 논문에 서는 상위층의 오차를 하위층으로 직접 투사하는 직접 피드백 정렬 방법과 별도의 역방향 가중치를 업데 이트하는 단계를 가지는 가중치 미러 방법을 결합하여 새로운 학습 방법을 제안한다. 제안하는 방법은 기존 의 두 알고리즘이 가지던 한계를 극복하여 생물학적으로 타당하며 효율적인 병렬 학습이 가능한 가중치 업 데이트 방법을 구현한다. 여러 벤치마크 데이터에 대한 실험을 통하여 제안하는 방법의 가능성을 확인하였다.
범죄 수사를 위한 상호작용이 가능한 다중 뷰 시각적 분석 시스템
정석원, 신동화, 복진욱, 박석현, 전현, 서진욱, 이인수, 박수영
http://doi.org/10.5626/JOK.2023.50.1.47
수사해야 하는 데이터는 날이 갈수록 많아지며 복잡해지고 있지만, 아직 수사 환경이나 방법은 그 변화를 따라가지 못하고 있다. 본 연구에서는 수사관들의 수사 환경과 수사를 위해 사용하는 소프트웨어에 대해 분석하고, 수사 과정에서의 센스메이킹 측면에 주목하여 기존의 센스메이킹을 위한 시각화 분석기법을 수사에 적용함으로써 수사를 효율화할 수 있는 방법을 모색하였다. 분석 결과에 기반하여 과업과 디자인 요구사항을 도출하고, 이를 만족시키는 수사를 위한 다중 뷰 시각적 분석 시스템을 디자인하였다. 최종적으로, 제작한 프로토타입의 사례연구를 통하여 시각화 시스템의 활용 방법을 모색하였다.
은행 텔레마케팅 예측을 위한 레이블 전파와 협동 학습의 결합 방법
http://doi.org/10.5626/JOK.2017.44.7.686
텔레마케팅은 지식정보화 사회가 되면서 기업 마케팅 활동의 중심축으로 발전하였다. 최근 금융데이터에 기계학습을 적용하는 연구가 활발하게 진행되고 있으며 좋은 성과를 내고 있다. 하지만 지도학습법이 대부분이어서 많은 양의 클래스가 있는 데이터가 필요하다. 본 논문에서는 텔레마케팅의 목표 고객을 선정하는데 클래스가 없는 금융 데이터에 자동으로 클래스를 부여하는 방법을 제안한다. 준지도 학습법 중 레이블 전파와 의사결정나무 기반의 협동 학습으로 클래스가 없는 데이터를 레이블링한다. 신뢰도가 낮은 데이터를 제거한 후 두 방법이 같은 클래스로 예측한 데이터만 추출한다. 이를 학습 데이터에 추가한 후 의사결정나무를 학습하여 테스트 데이터로 평가한다. 제안하는 방법의 유용성을 입증하기 위해 실제 포르투갈은행의 텔레마케팅 데이터를 이용하여 실험을 수행하였다. 비교 실험 결과, 정확도가 83.39%로 1.82% 향상되고, 정밀도가 19.37%로 2.67% 향상되었으며, t-검증을 통해 유의미한 성능 향상이 있음을 입증하였다.
딥러닝 기반 침수 수위 예측
http://doi.org/10.5626/JOK.2017.44.6.607
도시에서 홍수 피해를 방지하기 위한 침수를 예측하기 위해 본 논문에서는 딥러닝(Deep Learning)기법을 적용한다. 딥러닝 기법 중 시계열 데이터 분석에 적합한 Recurrent Neural Networks (RNNs)을 활용하여 강의 수위 관측 데이터를 학습하고 침수 가능성을 예측하였다. 예측 정확도 검증을 위해 사용한 데이터는 미국의 트리니티 강의 데이터로, 학습을 위해 2013 년부터 2015 년까지 데이터를 사용하였고 평가 데이터로는 2016 년 데이터를 사용하였다. 입력은 16개의 레코드로 구성된 15분단위의 시계열 데이터를 사용하였고, 출력으로는 30분과 60분 후의 강의 수위 예측 정보이다. 실험에 사용한 딥러닝 모델들은 표준 RNN, RNN-BPTT(Back Propagation Through Time), LSTM(Long Short-Term Memory)을 사용했는데, 그 중 LSTM의 NE(Nash Efficiency)가 0.98을 넘는 정확도로 기존 연구에 비해 매우 높은 성능 향상을 보였고, 표준 RNN과 RNN-BPTT에 비해서도 좋은 성능을 보였다.
적외선 표적 모델링을 위한 3차원 복합 열해석 기법 연구
적외선 표적의 정밀한 모델링을 위해서는 정확한 표면온도 계산이 필요하다. 본 논문에서는 전도, 대류, 복사를 고려한 복합 열해석 모듈을 소프트웨어로 구현하고, 이를 통하여 표적 재질 및 자세, 환경 요건에 따른 표적의 표면온도 해석을 수행 하였다. 구현된 결과는 상용 소프트웨어인 OKTAL-SE 와의 비교를 통하여 결과의 신뢰성을 검증하였다. 그 결과 자체 검증이 완료된 상용 소프트웨어인 OKTAL-SE 와 약 1% 이내의 오차를 보였다. 계산된 온도 결과를 바탕으로 적외선 표적 모델링을 수행하였으며 OKTAL-SE와의 연동을 통해 적외선 신호 해석을 수행하였다.
그룹 추천에서 사용자 선호도의 편차를 고려한 그룹 모델링 전략
그룹 추천은 개인이 아닌 그룹의 특성 및 성향을 분석하여 구성원들에게 적합한 정보를 제공하는 추천 방식이다. 기존의 그룹 추천 방식은 평균 선호도나 선호 횟수에 기반한 그룹 모델링 전략을 사용한다. 하지만 평균이 높고 선호 횟수가 많은 관심사더라도 선호도의 편차가 크다면, 그룹 내 구성원 모두를 만족시키는 추천 결과를 제공하기가 어렵다. 본 논문에서는 이를 개선하고자 관심사에 대한 평균 선호도에 선호도 편차를 가중치로 하는 그룹 모델링 전략을 제안한다. 제안하는 방법은 평균 선호도가 높으면서 선호도 편차가 작은 관심사들을 추천 결과로 제공해줌으로써 기존의 그룹 모델링 전략보다 더 많은 그룹 내 구성원들을 만족시키는 정보를 제공하는 것이 가능하다. 실험을 통해 제안하는 그룹 모델링 전략이 기존의 방식에 비해 높은 성능을 보였고, 소규모의 사용자뿐만 아니라 많은 수의 사용자가 형성하는 그룹에서도 높은 성능을 가짐을 확인하였다.
Smart Fog : 다중 서비스 사물 인터넷 시스템을 위한 포그 서버 중심 사물 추상화 프레임워크
최근 여러 사물 인터넷 서비스가 사물 장치를 공유하는 다중 서비스 시스템을 구현하기 위해, 다양한 구조의 사물 추상화 프레임워크들이 제시되었다. 분산형 구조는 사물 인터넷 서비스 중복 문제가 있으며, 클라우드 서버 중심 구조는 실시간 인터랙션을 할 수 없다. 또한, 기존의 포그 서버 중심 구조에서는 불완전한 인터페이스가 사용되었다. 본 논문에서는 기존 구조의 문제를 해결한 사물 추상화 프레임워크인 Smart Fog를 제안하였다. Smart Fog는 스마트 게이트웨이와 3개의 IoT 인터페이스들로 구성된다. Smart Fog는 IoTivity와 OIC 표준을 기반으로 구현되었고, 이를 이용하여 실제 임베디드 장치인 Odroid-XU3에서 프로토타입을 구현하였다. 프로토타입 상에서 실험한 결과, Smart Fog가 실시간 인터랙션이 가능할 정도로 네트워크 지연 시간이 짧고, 분산형 구조에 비해 모바일 장치에서 발생하는 네트워크 트래픽이 74%, 전력 소모가 21% 감소함을 확인하였다.
정책기반의 분산서비스거부공격 대응방안 연구
2009년 이후 정부 및 민간부문에서는 DDoS 방어체계 구축을 위해 수백억 원의 예산을 투입해 왔으며, 그 결과 많은 정부 및 민간분야에 DDoS 대응을 위한 전용장비가 설치되었다. 그러나 이러한 기관 역시 DDoS 공격 발생 시 성공적인 방어가 이루어지지 않는 경우가 많은데, 이는 DDoS 대응 장비가 특정 공격 행위에만 대응할 수 있는 시그니처 중심의 방어 구조를 따르고 있기 때문이다. 이에 비해 방어자원 관점의 정책적 대응방법을 통할 경우, 공격 기법과 상관없이 서비스 자원의 가용성 확인을 통하여 시스템 이상여부 및 공격 유형의 종류를 확인할 수 있으며, 공격에 대한 대응 정책 또한 손쉽게 도출할 수 있다. 본 고에서는 기존의 공격 행위 중심의 방어체계에서 벗어나 방어자 관점의 DDoS 탐지 기법을 소개하고, 이를 통해 정책기반 서비스거부공격 대응방안을 제시한다.
