Earticle

분산형 농업 IoT 애플리케이션에서 데이터 프라이버시 문제는 스마트 온실 시스템이 생성하는 방대한 양의 민감한 환경 및 작물 관련 데이터로 인해 제기된다. 본 연구는 온실 환경에서의 데이터 보호를 개선하기 위해 차등 프라이버시를 통합한 프라이버시 강화 FL 아키텍처를 제안한다. 이 접근법은 특히 라즈베리 파이와 같은 제한된 자원을 가진 에지 디바이스를 위해 설계했다. 실제 온실 환경 데이터셋을 대상으로 한 실험에 따르면, 중앙 집중식 훈련은 최대 정확도(92.4%)를 달성하지만 프라이버시 보호 기능이 전혀 제공되지 않는다. 정확도, 프라이 버시 예산, 시스템 효율성 간의 균형 잡힌 절충점을 달성하기 위해 제안된 계층적 FL+DP 전략은 모델 업데이트를 크게 안정화하고 통신 오버헤드를 낮춘다. 이러한 결과는 높은 데이터 기밀성과 정확한 예측이 필요한 프라이버시 민감형 스마트 온실 애플리케이션에 FLDP 프레임워크가 적합함을 보여주었다.

Concerns with data privacy in dispersed agricultural IoT applications are raised by the massive amounts of sensitive environmental and crop-related data generated by smart greenhouse systems. In order to improve data protection in greenhouse settings, this study suggests a privacy -enhanced federated learning architecture that incorporates differential privacy. In order to achieve a balanced trade-off between accuracy, privacy budget, and system efficiency, the suggested hierarchical FL+DP strategy significantly stabilizes model updates and lowers communication overhead. The suggested model shows a favorable privacy-accuracy trade-off when compared to ordinary federated learning, achieving up to 88.7% prediction accuracy under moderate noise circumstances (σ = 0.3–0.5) while offering explicit differential privacy guarantees. These findings show that the FLDP framework is a good fit for privacy-sensitive smart greenhouse applications that need high data secrecy and accurate prediction.

기존 교량 거더 제작 공정에서 사용되는 각재 및 철판 기반 바닥거푸집은 재사용성 한계로 인해 시공 효율 저하와 환경 부하 증가 문제가 지적되어 왔다. 본 연구에서는 모듈식 복합소재 바닥거푸집을 대상으로 현장 적용 성능을 분석하고, 전과정평가(Life Cycle Assessment, LCA)를 통해 탄소저감 효과를 평가하였다. 현장 적용 결과, 시공 공정 단순화와 작업 효율 향상으로 공기 단축 효과가 확인되었으며, 구조적 안정성과 바닥면 품질 또한 우수하게 나타났다. 또한 ISO 14067 기준 LCA 분석을 통해 기존 각재·철판 거푸집 대비 탄소배출 저감 효과를 확인하였다. 본 연구는 모듈식 복합소재 바닥거 푸집의 기술적·환경적 적용 가능성을 제시한다.

Conventional floor formwork systems using timber and steel plates in bridge girder fabrication have limitations in reusability, leading to reduced construction efficiency and increased environmental burden. This study analyzes the field application performance of a modular composite floor formwork system and evaluates its carbon reduction effect through Life Cycle Assessment (LCA). Field application results show that the proposed system simplifies construction processes and improves work efficiency, resulting in reduced construction time, while ensuring structural stability and surface quality. In addition, LCA conducted in accordance with ISO 14067 confirms a reduction in carbon emissions compared to conventional formwork systems. The results demonstrate the technical and environmental applicability of modular composite floor formwork for sustainable bridge construction

본 연구는 기업이 종업원 역량을 향상시키는 HR번들을 시행했을 때, 조직경쟁력에 미치는 영향력에 대해 분석하였다. 단일시점의 횡단연구가 가지는 한계를 보완하기 위해, 격년으로 3회차 동안 수집한 패널 자료를 이용 한 종단연구를 하였다. 본 연구의 주요 초점은 시간이 흐름에 따라 기업의 HR번들 수준의 기울기 변화(slope)가 기업경쟁력의 기울기 변화(slope)에 긍정적인 영향을 미치는가에 맞추었다. 사용한 데이터는 한국노동연구원이 발 표한 사업체패널조사(WPS)의 자료 2,849개 회사의 자료를 활용하였다. 분석방법은 구조방정식 잠재성장모델 (LGM)을 사용하였다. 분석결과를 보면 기업들이 종업원의 역량향상을 위한 HR번들의 수준을 높이는 긍정적인 변 화(slope)가 시간이 흐름에 따라 기업 경쟁력도 높이는 긍정적인 변화(slope)를 확인하였다는 점에서 본 연구의 기여점을 찾을 수 있었다.

This study analyzed the impact on organizational competitiveness of companies implementing HR bundle designed to enhance employee capabilities. And to complement the limitations of a cross-sectional study, this study conducted a longitudinal study using panel data collected over three waves every other year. This study focused on analyzing whether the slope of a HR bundle level over time has a positively effect on the slope of organizational competitiveness. The data were collected from 2,849 companies in the Workplace Panel Survey(WPS) by the KLI. The analysis was employed the latent growth modelling(LGM) method of structural equation model. This study contributed that the HR bundle's slope over time positively impacted the rate of slope of competitiveness over time.

본 연구는 의료 사이버 물리시스템(Medical Cyber-Physical Systems, MCPS) 환경에서 제안된 블록체인 기반 장치 인증 프로토콜의 구조적 취약점을 식별하고, 이를 개선하기 위한 보안 강화 방안을 제시하였다. 분석 결과, 블록체인 트랜잭션 지연, 공개키 교환 과정의 동기화 취약성, 해시 충돌 가능성, 그리고 서명 검증의 단일 노드 의존성 등 네 가지 주요 문제가 확인되었다. 이를 해결하기 위해 본 연구는 동적 난수 기반 서명 검증, 멀티노 드 합의 구조, 시간 스탬프 재검증 절차, 그리고 키 재사용 방지 기법을 포함하는 개선 프로토콜을 제안하였다. 시뮬레이션 평가 결과, 리플레이 탐지율 100%, 평균 인증 지연 15% 증가, 노드 병렬 검증 효율성 향상(약 22%)을 달성하였다.

This study identified structural vulnerabilities in a proposed blockchain-based device authentication protocol within a Medical Cyber-Physical Systems (MCPS) environment and presented security enhancement measures to address them. To mitigate these vulnerabilities, the study proposed an improved protocol incorporating dynamic random number-based signature verification, a multi-node consensus structure, a timestamp re-verification procedure, and a key reuse prevention technique. Simulation evaluation results achieved a 100% replay detection rate, a 15% increase in average authentication delay, and improved node parallel verification efficiency (22%)

금융 시계열은 상당한 잡음, 비정상성 및 복잡한 구조적 변동을 보이며, 이로 인해 단기 주식 시장 움직임 을 예측하는 것이 매우 어렵다. 본 연구는 시장 역학의 다중 스케일 특성을 명시적으로 구분함으로써 예측의 정확 성과 안정성을 어떻게 높일 수 있는지 분석한다. 시간적 어텐션 프로세스는 웨이블릿 기반 분해와 결합하여 다중 스케일 어텐션-LSTM 모델을 구축할 수 있다. 이를 통해 장기 추세 데이터와 단기 변화 패턴을 분리할 수 있으며, 동시에 유용한 역사적 시점을 제시한다. 테스트 결과, 제안된 모델은 RMSE, MAE, MAPE 및 방향 정확도 측면에 서 LSTM, 어텐션-LSTM, 트랜스포머보다 항상 우수한 성능을 보였다. 이러한 결과는 다중 스케일 모델과 시간적 어텐션을 결합하는 것이 주가지수 예측의 신뢰성을 높이는 실용적인 방법임을 시사한다.

Financial time series exhibit considerable noise, non-stationarity, and intricate structural variations, presenting formidable Financial time series have a lot of noise, non-stationarity, and complex structural changes, making it very challenging to predict short-term stock market movements. This study examines how explicitly delineating the multi-scale characteristics of market dynamics can increase the precision and stability of predictions. The temporal attention process can be used with wavelet-based decomposition to make a multi-scale Attention-LSTM model. This makes it possible to split long-term trend data from short-term change patterns. At the same time, it shows useful historical times. Tests show that the suggested model is always better than LSTM, Attention-LSTM, and transformer when it comes to RMSE, MAE, MAPE, and direction accuracy. These results show that combining multi-scale models with temporal attention is a viable way to make stock index predictions more reliable.

최근 네트워크 환경에서는 사이버 위협에 대한 해결책을 찾는 노력이 높아지고 있다. 특히, 사이버 보안 측면에서 악의적인 행위를 막기 위해서 사이버 보안에 AI가 통합되고 있다. 본 논문에서는 네트워크 리소스를 다양 한 클라우드 서비스를 제공할 수 있도록 디지털 트인 기반의 전방 공격 탐지 모델의 성능평가를 제안한다. 제안 모델은 안전한 데이터 저장 및 검증을 위해 블록체인을 통합한 IoT 환경에 AI 기반 IDS 프레임워크을 사용한다. 제안 모델은 네트워크 내 모든 장비를 블록체인 블록으로 묶어 처리함으로써 클라우드 내 IoT 리소스의 특징별 블록들의 교차 분석을 통해 보안 점검이 이루어지지만, 최소 오류는 허용한다. 성능평가 결과, 제안 모델은 학습 중 모든 카테고리에서 고르게 리샘플링함으로써 생성기가 소수 클래스에서도 학습할 수 있도록 보장하여 프론트 러닝 공격 탐지 성능을 향상시켰다. 또한 제안 모델은 실제 데이터의 조건부 분포를 학습하여 실제 데이터와 합성 데이터를 더 잘 구분하였다.

In recent network environments, efforts to find solutions to cyber threats are increasing. In particular, AI is being integrated into cybersecurity to prevent malicious behavior in terms of cybersecurity. In this paper, we propose the performance evaluation of the forward attack detection model using a digital open-based blockchain so that network resources can provide various cloud services. The proposed model uses an AI-based IDS framework in the IoT environment that integrates blockchain for secure data storage and verification. The proposed model manages additional information that can handle the rights of IoT resources as blockchain blocks. The proposed model performs a security check through cross-analysis of blocks by IoT resource characteristics in the cloud by grouping all equipment in the cloud into blockchain blocks, but allows for minimum errors. As a result of the performance evaluation, the proposed model evenly resampled in all categories during learning, ensuring that the generator could learn even in a few classes, thereby improving the front learning attack detection performance. In addition, the proposed model better distinguished between actual data and synthetic data by learning the conditional distribution of actual data.

본 연구는 AI가족안부전화의 실제 운영 로그를 활용하여 고령자의 통화 응답 행동을 정량적으로 분석하고, 응답 시간 의 규칙성이라는 새로운 행동 지표를 통해 AI 돌봄 서비스의 예방적 안전관리 가능성을 실증하였다. 기존 연구들이 이용자의 주관적 만족도나 정서적 효과에 초점을 두었던 것과 달리, 본 연구는 반복 통화 기록에서 나타나는 객관적 행동 패턴의 변화를 통계적으로 검증하였다. 이를 위해 이용기간에 따라 사용자 그룹을 구분하고, 연결률과 응답 시간대 분산을 핵심 지표로 설정하 여 비모수 검정과 반복측정 구조를 고려한 회귀모형을 적용하였다. 분석 결과, 장기 이용자는 연결률은 낮지만 응답 시간대는 유의하게 안정되는 경향을 보였으며, 이는 AI 안부전화가 응답 빈도를 높이기보다 고령자의 생활 패턴을 형성하는데 기여함을 보여준다. 이러한 결과는 비대면 돌봄 기술을 행동 데이터 기반의 예방적 관리 도구로 해석할 수 있는 학술적 근거를 제공한다.

This study quantitatively analyzed older adults’ call response behavior using real operational logs from an AI-based family check-in call service and demonstrated the potential of AI caregiving technology for preventive safety management through a new behavioral indicator: the regularity of response time. Unlike prior studies that focused primarily on users’ subjective satisfaction or emotional effects, this research statistically examined objective behavioral patterns derived from repeated call records. Users were grouped by service duration, and connection rate and response-time variability were adopted as key indicators. Nonparametric tests and regression models accounting for repeated measurements were applied. Results showed that although long-term users had lower connection rates, their response times became significantly more stable, indicating that AI check-in calls contribute more to the formation of daily routines than to increasing response frequency. These findings provide academic evidence that non-face-to-face caregiving technologies can be interpreted as behavior-based preventive management tools.

본 연구는 중소기업에서 도입된 워케이션이 실제 사용으로 이어지지 않는 현상을 근로자의 인지-결정-사용(RDU) 판단 전이 구조에서 해석하고자 한다. 이를 위해 국내 중소기업 재직 근로자 25명을 대상으로 개방형 서술 문항 기반의 질적 설문조사를 실시하고, RDU 분석 틀에 따라 단계 간 판단 흐름을 중심으로 주제 분석을 수행하였다. 분석 결과, 워케 이션 수용성은 직무 적합성에 대한 선별적 판단에서 출발해 조직 신뢰와 관계적 비용을 거쳐 기술·책임 인식과 경계 관리 가능성으로 이어지는 누적적 해석 과정에서 형성·억제되는 구조로 확인되었다. 즉, 초기 가능성에 대한 제한적 인식이 참 여 판단을 제약하고, 이후 책임 귀속과 환경 조건에 대한 재해석이 반복 사용을 억제하는 단계 간 연쇄 구조로 작동하였다. 향후 연구에서는 이러한 판단 전이 구조의 실증이 필요하다.

This study examines why workation programs in small and medium-sized enterprises (SMEs) fail to translate into actual use, focusing on employees’ stage-based judgment processes. Using qualitative survey data from 25 SME employees in Korea, thematic analysis was conducted based on the Recognition– Decision–Use (RDU) framework. The findings indicate that workation acceptance operates as a cumulative stage-based judgment process in which initial assessments of job suitability and evaluation concerns constrain feasibility at the recognition stage; limited organizational trust and perceived relational costs restrict participation at the decision stage; and technological stability, responsibility attribution, and boundary management feasibility determine continued use at the use stage. By reconceptualizing workation non-use as a processual inhibition phenomenon, this study offers implications for stage-sensitive institutional design and future research.

의료 영상 분류(MIC)는 병리학적 패턴 식별을 통해 임상의의 컴퓨터 보조 진단을 지원하는 핵심 역할을 수행한다. 본 연구에서는 정밀 의료 영상 분류를 위한 주의력 강화 시너지 신경망(AM-SNN) 프레임워크를 제안한 다. 본 모델은 공개 데이터셋 두 가지(흉부 질환 검출용 ChestX-ray 데이터셋 및 유방암 조직병리학적 영상 분류 용 BreakHis 데이터셋)에서 평가되었다. 실험 결과, 제안된 프레임워크가 기존 CNN 기반 아키텍처 대비 우수한 성능을 달성함을 입증하였다. 또한 두 이질적 데이터셋 전반에서 관찰된 일관된 성능 향상은 제안 모델이 특정 질환 유형에 국한되지 않고 다양한 의료 영상 모달리티에서 강력한 일반화 능력을 발휘함을 시사한다. 어텐션 메 커니즘과 시너지적 협업 학습의 통합은 모델 해석성을 향상시키면서 더 차별화된 특징 추출을 가능케 한다.

Medical image classification (MIC) plays a crucial role in computer-aided diagnosis by assisting clinicians in identifying pathological patterns. In this study, we propose an attention-enhanced synergic neural network (AM-SNN) framework for fine-grained medical image classification. The model was evaluated on two publicly available datasets: theChestX-ray dataset for thoracic disease detection and the BreakHis dataset for breast cancer histopathological image classification. Experimental results demonstrate that the proposed framework achieves superior performance compared to conventional CNN-based architectures. Furthermore, the consistent improvements observed across two heterogeneous datasets indicate that the proposed model is not limited to a specific disease type but exhibits strong generalization capability in different medical imaging modalities. The integration of attention mechanisms and synergic collaborative learning enables more discriminative feature extraction while improving model interpretability.

본 논문은 eHealth 클라우드 시스템을 위해 설계된 생체정보 및 스마트카드 기반 인증 프로토콜에 대한 포괄적인 보안 분석과 개선안을 제시한다. 분석 결과, 세션키 생성의 취약성, 전방향 기밀성 부재, 재전송(replay) 공격에 대한 노출, 생체정보 누출 가능성 등 핵심 취약점이 확인되었다. 이를 완화하기 위해 본 연구는 강건한 암호 학적 보호기법을 통합한 향상된 프로토콜을 제안한다. 주요 개선점은 전방향 기밀성 확보를 위한 일회성 키 교환 (ephemeral key exchange) 채택, 생체 템플릿 보호를 위한 퍼지 추출기(fuzzy extractor) 적용, 그리고 재전송 시도를 차단하기 위한 상호 논스 검증(mutual nonce verification) 도입이다. 시뮬레이션 및 IoT 환경에서의 실 험 평가 결과, 제안한 개선 설계는 계산 오버헤드를 소폭만 증가시키면서도 주요 공격 벡터에 대한 저항성을 유의 미하게 강화함을 확인하였다. 따라서 본 연구의 스킴은 자원 제약이 있는 eHealth 응용에서 적용 가능한 안전·효 율·실용적 인증 해법을 제공한다.

This paper conducts a security analysis of a biometric and smartcard-based protocol for eHealth clouds, identifying weaknesses in key generation, forward secrecy, and replay attack resilience. An enhanced protocol is proposed, featuring ephemeral key exchange, a fuzzy extractor for biometrics, and mutual nonce verification. Evaluation in IoT settings confirms it strengthens security against major threats with low computational overhead, providing a practical and efficient solution for eHealth systems.

단일 장애 지점(SPOF) 공격과 개인정보 침해 문제는 현재 산업용 사물인터넷(IIoT) 환경에서 사용되고 있는 중앙 보안 시스템의 보안 사고를 증가하고 있는 원인이 되고 있다. 본 연구에서는 제한된 자원으로 IoT 상황 에서 발생할 수 있는 정교한 사이버 위협을 최소화할 수 있는 엣지 인텔리전스 기반의 탈중앙화 보안 프레임워크를 제공한다. 제안 프레임워크는 IoT 데이터를 1차적으로 처리하는 엣지 엔드에서 IoT 시계열 데이터의 지리적 및 시간적 특성을 동시에 추출하여 지능형 이상 탐지를 수행한다. 또한, 엣지 엔드에서 IoT 데이터를 직접 노출하지 않고 블록체인과 연결하여 보안 프라이버시를 향상시키기 때문에 안전성을 보장한다. 제안 프레임워크는 IoT 노드 의 보안 행동 이력을 측정하는 신뢰도 점수를 기반으로 한 합의 알고리즘을 사용하기 때문에 네트워크의 보안 신뢰 성을 높이고 합의 처리량을 향상시켰다. 실험 결과, 제안 프레임워크는 현재 단일 모델에 비해 합의 지연 시간을 평균 5.1% 이상 단축시켰고 탐지 정확도를 평균 6.5% 향상시켰다.

Single point of failure (SPOF) attacks and privacy infringement problems are contributing to the increasing number of security incidents in central security systems currently being used in industrial Internet of Things (IIoT) environments. In this study, we provide a decentralized security framework based on edge intelligence that can minimize sophisticated cyber threats that can occur in IoT situations with limited resources. The proposed framework performs intelligent anomaly detection by simultaneously extracting the geographical and temporal characteristics of IoT time series data at the edge end that processes IoT data first. Moreover, it guarantees safety because it connects IoT data with blockchain without directly exposing IoT data at the edge end to improve security privacy. Since the proposed framework uses a consensus algorithm based on the reliability score that measures the security behavior history of IoT nodes, it has increased the security reliability of the network and improved the consensus throughput. As a result of the experiments, the proposed framework has reduced the consensus latency by more than 4.1% on average and improved the detection accuracy by 6.5% on average compared to the current single model.

본 연구의 목적은 교체형 관절 모듈을 적용한 손가락 보조기에서 관절 제한 위치에 따라 손가락 굽힘근과 엄지 두덩근(thenar muscle)의 근긴장도 반응 차이를 비교·분석하는 것이다. 연구 대상자는 건강한 성인 14명으로, 무보조기, 몸 쪽손가락뼈사이관절(proximal interphalangeal joint, PIP) 고정, 먼쪽손가락뼈사이관절(distal interphalangeal joint, DIP) 조건에서 finger flexion 및 pinch grip 과제를 수행하였다. 근긴장도는 Myoton 장비를 이용하여 Flexor Digitorum Profundus(FDP), Flexor Digitorum Superficialis(FDS), thenar muscle에서 측정하였다. 연구 결과, FDP의 근긴장도는 PIP 고정 조건에서 유의하게 증가하였고, FDS와 thenar muscle의 근긴장도는 DIP 관절 고정 조건에서 유 의하게 증가하였다. 이는 관절 제한 위치에 따라 근긴장 특성이 달라질 수 있음을 시사하며, 손가락 보조기 처방 시 관절 제한 전략을 치료 목적에 맞게 고려할 필요성을 제안한다.

The purpose of this study was to compare muscle tone responses of finger flexors and the thenar muscle according to joint fixation location using a interchangeable joint modular finger orthosis. Fourteen healthy adults performed finger flexion and pinch grip tasks under three conditions: non-brace, proximal interphalangeal joint(PIP) joint fixation, and distal interphalangeal joint(DIP) joint fixation. Muscle tone of the flexor digitorum profundus (FDP), flexor digitorum superficialis (FDS), and thenar muscle was measured using a myotonometer(Myotone, Estonia). The results showed that FDP muscle tone significantly increased under the PIP fixation condition, whereas FDS and thenar muscle tone significantly increased under the DIP fixation condition. These findings indicate that joint-specific mechanical constraints alter muscle recruitment and force transmission strategies, even with the same brace structure. The results suggest that interchangeable joint fixation in finger orthoses may allow selective modulation of muscle involvement according to therapeutic goals.

21세기 중반의 기술 전환기에 인공지능, 초고속 통신망, 분산형 에너지 등 융합기술의 발전은 국가 기술 주권 과 산업 경쟁력의 구조적 재편을 가속화하고 있다. 기술이 전략적 자산으로 기능함에 따라, 각 국은 장기적 전략 자율 성과 지속가능성을 확보할 수 있는 제도적 거버넌스 체계의 정립이라는 과제에 직면해 있다. 본 연구는 이러한 환경 변화에 대응하기 위한 통합적 전략 조정 체계의 필요성을 이론적·제도적 틀에서 분석한다. 중앙의 중장기 전략 기획 기능과 지역 혁신 생태계의 실행 역량을 연계하는 이중기능형 거버넌스 모델을 제시하고, 비교 사례 분석을 통해 정책 일관성, 투자 효율성, 윤리·안전 규범 설계 측면에서의 제도적 함의를 검토한다. 분석 결과, 기술 패러다임 전환기에는 전문성과 제도적 자율성을 기반으로 한 전략 조정 메커니즘이 혁신 촉진과 공공적 책임 간 균형을 확보하는 핵심 조건 임을 시사한다.

The advancement of convergent technologies—such as artificial intelligence, ultra-high-speed networks, and distributed energy systems—is reshaping national technological sovereignty and industrial competitiveness. As technology becomes a strategic asset, states must establish governance frameworks that ensure long-term strategic autonomy and sustainability. This study proposes an integrated, dual-functional governance model linking central strategic planning with regional innovation ecosystems. Comparative analysis indicates that expertise-based and institutionally autonomous coordination mechanisms are essential for balancing innovation and public accountability during technological transitions