디지털 라이브러리[ 검색결과 ]
OpenFlow가 적용된 무선랜 환경에서 AP 집단화 및 전송 파워 조절에 기반한 간섭 완화 기법
최근 무분별한 액세스 포인트 설치로 인해 무선랜 간섭이 많이 발생하고 있으며, 이러한 문제를 해결하기 위해 많은 기법이 제안되었다. 액세스 포인트 집단화 기법은 특정 액세스 포인트로 스테이션의 연결을 이동시켜 전송을 수행하는 액세스 포인트를 줄이는 방식이다. 이 방식은 스테이션의 연결을 강제로 이동시키므로 특정 스테이션의 전송 성능 저하가 발생할 수 있다. 액세스 포인트 전송 파워 조절 기법의 경우 연결이 끊어지는 스테이션이 발생하거나 특정 값 이하로 파워를 조절할 경우 전체적인 전송 성능 감소가 일어날 수 있다. 두 기법을 결합하면 집단화를 통해 전송을 수행하는 액세스 포인트가 줄어 간섭이 줄어들고 세부적인 전송 파워 조절을 통해 간섭 범위를 더 줄일 수 있다. 그러나 두 기법을 단순 결합하면 집단화 수행 후에 파워 조절이 가능한 경우의 수가 적어지거나 파워 조절 시 연결이 끊어지는 스테이션이 늘어나 성능 향상이 단일 기법보다 미미한 상황이 발생할 수 있다. 그러므로 본 논문에서는 OpenFlow 기반 무선랜 환경에서 액세스 포인트 집단화 기법, 파워 조절 기법을 결합하여 각 기법의 단점을 보완하고 집단화를 수행할 때 다음 단계 전송 파워 조절 수행 시 파워 조절 가능한 경우의 수가 많아지도록 고려하여 간섭을 효율적으로 완화하는 기법을 제안한다. 시뮬레이션을 통해 각 기법을 비교한 결과 제안 기법의 평균 전송 지연 시간은 집단화 기법에 비해 최대 12.8%, 파워 조절 기법에 비해 최대 18.1% 감소하고, 간섭에 의한 패킷 손실률은 제안 기법이 집단화 기법에 비해 최대 24.9%, 파워 조절 기법에 비해 최대 46.7% 감소하였다. 또한 집단화 기법과 파워 조절 기법은 특정 스테이션의 데이터 처리율이 감소하는 부작용이 발생하는 반면 제안 기법은 특정 스테이션의 처리율 감소 없이 전체 데이터 처리율을 증가시킴을 확인할 수 있었다.
가상화 환경 IoT 게이트웨이의 성능 향상을 위한 SSD 캐시 기법
스토리지는 응용 프로그램의 성능에 가장 큰 영향을 주므로 가상화된 IoT 게이트웨이를 사용한 홈 클라우드 환경에서 매우 중요하다. 스토리지의 성능 향상을 위해 SSD와 같은 고성능의 디스크를 캐시로 사용해 왔으나 취약한 쓰기 성능과 제한된 셀 수명 문제로 인해 주로 읽기 전용 캐시로 사용하였다. 그러나 사용자 응용의 성능 향상을 위해서는 읽기 작업뿐만 아니라 쓰기 작업의 성능도 매우 중요하다. 본 논문은 이러한 환경에서 읽기 및 쓰기에 모두 사용 가능한 새로운 SSD 캐시 기법을 제안한다. 실험을 통해 본 캐시 기법이 응용 프로그램의 임의 쓰기 작업을 순차적 동작으로 변환시켜 성능 향상을 이룰 수 있음을 확인하였다.
공간 소셜 분석을 위한 마이크로블로그 데이터의 맵리듀스 기반 공간 집계 알고리즘
인터넷과 모바일 환경의 발전에 따라 최근에는 마이크로블로그가 성행하고 있다. 마이크로블로그에는 부가적인 데이터가 담겨있다. 그 중 위치 정보에 대한 데이터를 포함하는 마이크로블로그 데이터를 공간 소셜 웹 객체라고 지칭한다. 이러한 마이크로블로그 데이터에 대한 일반 집계는 사용자별 데이터 집계 등이 있으나, 단일 정보에 대한 집계만 가능하다. 본 연구는 공간 소셜 웹 객체의 특성을 갖는 마이크로블로그 데이터의 공간 소셜 분석을 위해, 일반 집계와 공간 데이터를 결합하고 지오해시와 맵리듀스를 이용한 공간 집계에 대한 알고리즘을 제시한다. 이를 통해 의미있는 공간 소셜에 대한 분석의 기반을 마련하였다.
L-V-C 실현을 위한 HLA와 DDS간 유사성 분석 및 API 매핑
네트워크의 급격한 발전과 무기 기술력의 향상으로 인해 현대전은 첨단화된 무기를 즉각적으로 사용할 수 있는 능력을 필요로 하게 되었다. 이를 위해서는 지속적인 훈련이 필요하지만, 많은 인력을 들임으로써 과도한 예산을 요구하게 된다. 따라서, 국방 모델링/시뮬레이션(Modeling and Simulation, M&S)을 사용하여 훈련하는 사례가 증가하고 있다. 하지만, 이러한 시뮬레이션 환경들은 현실감을 떨어뜨리기 때문에 실 훈련과 가상 훈련을 병합한 훈련 환경을 제공할 수 있는 L-V-C 체계가 대두되었고, 이를 제공하는 다양한 미들웨어가 존재한다. 기존의 미들웨어들은 서로 다른 시뮬레이션을 연동해줄 수 있지만, 세 가지(Live, Virtual, Constructive)의 모든 체계를 연동해주지 못하는 단점이 존재한다. 본 논문에서는 이를 해결하기 위한 방안으로 서로 다른 미들웨어 간 연동을 제안하고, 실험적으로 증명하기 위해 대표적인 미들웨어인 HLA와 DDS간의 연동을 보인다.
인터넷 감정기호를 이용한 긍정/부정 말뭉치 구축 및 감정분류 자동화
네티즌은 인터넷을 통해서 상품을 구매하고 상품에 대한 감정을 긍정 혹은 부정으로 상품평에 표현한다. 상품평에 대한 분석은 잠재적 소비자뿐만 아니라 기업의 의사결정에 중요한 자료가 된다. 따라서 인터넷의 대량 리뷰에서 의미 있는 정보를 분석하여 의견을 도출하는 오피니언 마이닝 기술의 중요성이 증대되고 있다. 기존의 연구는 대부분이 영어를 기반으로 진행되었고 아직 한글에 대한 상품평 분석은 활발히 이루어 지지 않고 있다. 또한 한글은 영어와 달라 꾸미는 말과 어미가 복잡한 특성을 갖고 있다. 그리고 기존의 연구는 통계적 기법, 사전 기법, 기계학습 기법 등을 사용하여 연구되었으나 인터넷 언어의 특성을 감안하지는 못하였다. 본 연구에서는 감정이 포함된 인터넷 언어의 특성을 분석하여 감정분석의 정확률을 높이는 감정분류 방법을 제안한다. 이를 통해 데이터에 독립적인 인터넷 감정기호를 이용해서 자동으로 긍정 및 부정 상품평을 분류할 수 있었고 높은 정확률, 재현율, Coverage 결과를 통해서 제안 알고리즘의 유효성을 확인할 수 있었다.
L-V-C 통합 환경 실현을 위한 이기종 시뮬레이션 미들웨어 연동 방안
현대 사회에서는 새로운 기술이나 가설을 증명하기 위해 시뮬레이션을 사용한다. 특히, 군사훈련을 진행하거나 전쟁상황을 예측하기 위하여 국방 Modeling & Simulation(M&S)을 사용한다. 국방 M&S는 실제 환경에서 진행하는 Live Simulation, 가상환경에서 진행하는 Virtual Simulation, 그리고 워게임과 같은 Constructive Simulation으로 이루어지며 각각을 L체계, V체계, C체계라고 한다. L체계는 실제 환경을 전제하기 때문에 현실성이 높지만 예산 효율성이 떨어진다. 이와 반대로 V와 C체계는 현실성이 떨어지지만 예산 효율성을 높인다. 이러한 각 체계의 장단점을 바탕으로 세 가지 체계를 모두 연동한 L-V-C 통합 환경을 구축한다면 시뮬레이션의 질을 향상시킬 수 있다. 본 논문에서는 L-V-C 통합 환경을 구축하기 위해 이기종 시뮬레이션 미들웨어 간 연동하는 방안을 제시하고 서로 다른 미들웨어간의 연동 테스트 결과를 보인다.
이종 서비스에 텔레프레즌스 서비스 정보 제공 방법
본 논문은 텔레프레즌스 서비스의 멀티미디어 스트림 정보를 IMS(IP Multimedia Subsystem) 와 RTCWeb(Real-Time Communication in WEB- browsers)과 같은 이종 서비스에 제공하기 위한 방법을 제안한다. 먼저 각 서비스를 연동하기 위한 게이트웨이를 설계하고, 텔레프레즌스를 위한 표준화 워킹그룹 CLUE에서 정의하는 멀티미디어 스트림 정보를 이종 서비스에 제공하는 절차를 제시한다. 또한 실제 CLUE 정보 교환 방법을 적용하고 실험 환경을 구현하여 성능 분석 수행하였고, 기존의 미디어세션 재설립 방법과 비교하여 지연시간은 크게 증가하지 않으면서 많은 정보를 교환할 수 있음을 보였다. 제안된 방법을 통하여 기존의 이종 서비스 단말에서는 텔레프레즌스 서비스의 다양한 정보를 수집할 수 있고, 사용자 기호에 따라 적절하게 적용할 수 있으며, 다양한 영역에서 응용하여 풍부한 멀티미디어 스트림 서비스를 제공할 수 있다.
단일 분자화합물의 폐 발암성 예측을 위한 그래프 신경망 접근법
http://doi.org/10.5626/JOK.2025.52.6.482
암은 전 세계적으로 매년 수백만 명의 사망자를 초래하는 주요 질환 중 하나로, 특히 폐암은 2022년 한국에서 암 중 가장 높은 사망률을 기록했다. 이에 따라 폐암을 유발하는 화합물에 대한 연구가 필수적이며, 본 연구는 기존 기계학습 및 딥러닝 방법의 한계를 극복하고, 그래프 신경망을 활용하여 폐암 유발 가능성을 예측하는 새로운 접근방식을 제안하고 평가했다. 화합물 발암성 데이터베이스인 CPDB, CCRIS, IRIS, T3DB의 SMILES(Simplified Molecular Input Line Entry System) 정보를 기반으로 분자의 구조와 화학적 성질을 그래프 데이터로 변환해 학습했으며, 제안된 모델은 다른 모델 대비 우수한 예측 성능을 보였다. 이는 폐암 예측에 효과적인 도구로서 그래프 신경망의 잠재력을 입증하며, 향후 암 연구와 치료 개발에 중요한 기여를 할 수 있음을 시사한다.
자원 공유에 따른 이상치 전파를 활용한 마이크로서비스 시스템 결함의 근본 원인 분석
http://doi.org/10.5626/JOK.2025.52.4.341
마이크로서비스 시스템에서 발생하는 결함의 근본 원인을 분석하는 작업은 다수의 리소스가 동적으로 변화하는 특성 때문에 어려운 과제로 남아 있다. 본 논문에서는 이를 해결하기 위해 리소스 간 상호작용과 이에 따른 이상치 전파를 반영한 근본 원인 분석 모델인 AnoProp을 제안한다. AnoProp은 회귀 모델을 통해 메트릭의 이상치를 측정하고, 이러한 이상치의 전파율을 기반으로 리소스의 오류 원인 여부를 평가하는 두 가지 핵심 기법을 통합하여 설계되었다. 실제 마이크로서비스 시스템에서 수집한 Online Boutique 데이터셋을 활용한 실험 결과, AnoProp은 다양한 평가 지표에서 기존 모델을 상회하는 성능을 기록하였으며, 모델의 설계가 근본 원인 종류별로 균형 잡힌 성능을 제공함을 입증하였다. 본 연구는 AnoProp을 통해 마이크로서비스 환경에서 시스템 안정성을 강화하고 운영 효율성을 높일 수 있는 실질적 가능성을 제시한다.
Gated Tab Transformer를 사용한 향상된 소프트웨어 결함 예측
http://doi.org/10.5626/JOK.2025.52.3.196
소프트웨어 결함 예측(SDP)은 소프트웨어 품질과 신뢰성을 확보하는 데 중요한 역할을 한다. 전통적인 기계 학습 및 딥 러닝 모델이 SDP에 널리 사용되었지만, 최근 자연어 처리 기술의 발전은 소프트웨어 공학 작업에 트랜스포머 기반 모델을 적용할 수 있는 가능성을 열었다. 본 논문에서는 Gated Tab Transformer(GTT)를 SDP에 적용하여 그 효과를 평가하였다. 15개의 소프트웨어 결함 데이터셋을 사용하여 실험을 진행하고, 최신 기계 학습 및 딥 러닝 모델과 비교한다. 실험 결과, GTT는 리콜, 균형, AUC 측면에서 각각 42.1%, 10.93%, 7.1%의 최첨단 머신 러닝 성능을 능가하는 것으로 나타났다. Cohen’s d 분석 결과, GTT는 이러한 성능 지표에서 큰 효과 크기 또는 중간 수준의 효과 크기를 나타냈다. 추가로, 하이퍼파라미터 변동이 성능에 미치는 영향을 분석한 소거 연구를 통해 GTT의 성능을 평가하였다. GTT의 뛰어난 성능은 SDP 문제 해결에 기여할 수 있으며, 이를 통해 테스트 자원의 효율적인 할당과 소프트웨어 품질 개선이 가능할 것으로 기대된다.
