Earticle

기계 학습은 다양한 현상의 예측 및 분석 등을 가장 정확하게 수행하는 기술 중 하나이다. K-평균 클러스터링은 주 어진 데이터들을 비슷한 데이터들의 군집으로 분류하는 기계 학습 기법의 한 종류로 다양한 분야에서 사용된다. K- 평균 클러스터링의 성능을 높이기 위해서는 가능하면 많은 데이터에 기반한 분석을 수행하는 것이 바람직하므로, K-평균 클러스터링은 데이터를 제공하는 다수의 클라이언트들과 제공받은 데이터들을 사용하여 클러스터의 중심값 을 계산하는 서버가 있는 모델에서 수행될 수 있다. 그러나 이 모델은 클라이언트들의 데이터가 민감한 정보를 포함 하고 있는 경우, 서버가 클라이언트들의 프라이버시를 침해할 수 있다는 문제점이 있다. 본 논문에서는 다수의 클라 이언트가 있는 모델에서 이러한 문제를 해결하기 위해 동형 암호를 사용하여 클라이언트의 프라이버시를 보호하며 기계 학습을 수행할 수 있는 프라이버시 보장형 K-평균 클러스터링 방법을 제안한다.

Machine learning is one of the most accurate techniques to predict and analyze various phenomena. K-means clustering is a kind of machine learning technique that classifies given data into clusters of similar data. Because it is desirable to perform an analysis based on a lot of data for better performance, K-means clustering can be performed in a model with a server that calculates the centroids of the clusters, and a number of clients that provide data to server. However, this model has the problem that if the clients’ data are associated with private information, the server can infringe clients’ privacy. In this paper, to solve this problem in a model with a number of clients, we propose a privacy-preserving K-means clustering method that can perform machine learning, concealing private information using homomorphic encryption.

동적 적응 스트리밍 서버는 일시에 많은 양의 트랜스코딩 연산을 처리하기 때문에 높은 프로세서 전력을 소모한다. 많은 연산량을 위하여 다중 프로세서 구조가 필요하고, 이에 대한 효과적인 트랜스코딩 태스크 분배가 필요하다. 본 논문에서는 2 티어 (프론트엔드 노드 (frontend node)와 백엔드 노드 (backend node)) 트랜스코딩 서버의 전력 상한을 보장하고 스트리밍 되는 비디오의 인기도 및 품질을 고려한 트랜스코딩 서버의 설계 및 구현 방법을 제안한 다. 이를 위하여 1) 각 백엔드 노드에 트랜스코딩 태스크 분배, 2) 백엔드 노드에서의 태스크 스케줄링, 3) 프론트 엔드와 백엔드 노드 통신 기법들을 구현하고, 테스트베드를 구축하였다. 실제 테스트베드에서의 예상 소모 전력과 실제 소모 전력을 비교하는 실험을 진행함으로써 본 시스템의 효용성을 확인했다. 또한 본 시스템이 각 노드의 부하 를 감소시킴으로써 트랜스코딩에 사용되는 전력 및 시간 최적화가 가능함을 보였다.

A dynamic adaptive streaming server consumes high processor power because it handles a large amount of transcoding operations at a time. For this purpose, multi-processor architecture is mandatory for which effective transcoding task distribution strategies are essential. In this paper, we present the design and implementation details of the transcoding workload distribution schemes at a 2-tier (frontend node and backend node) transcoding server. For this, we implemented four schemes: 1) allocation of transcoding tasks to appropriate back-end nodes, 2) task scheduling in the back-end node and 3) the communication between front-end and back-end nodes. Experiments were conducted to compare the estimated and the actual power consumption in a real testbed to verify the efficacy of the system. It also proved that the system can reduce the load on each node to optimize the power and time used for transcoding.

멀티미디어 수집 기술과 휴대용 디바이스 제조 기술의 발전으로 헬스케어 시스템에 대한 다양한 수요가 대두되고 있다. 기존의 대부분의 헬스케어 시스템은 환자의 응급 상황이나 일상적인 상황 모니터링을 위해 사용되고 있다. 그러 나 최근 휴대용 디바이스의 멀티미디어 수집 기능의 향상으로 엣지 컴퓨팅이 다양한 분야에 활용되기 시작하였으며 이를 기반으로 응급 상황 헬스케어 시스템과 일상 모니터링을 위한 헬스케어 시스템을 통합하는 의료 빅데이터 시스 템이 연구되고 있다. 본 논문에서는 엣지 컴퓨팅 등 휴대용 디바이스를 기반으로 하는 다양한 헬스케어 시스템의 케이스를 소개하고 구축 방법에 대한 최신 연구동향을 소개하고 향후 헬스케어 시스템의 발전 방향을 제시한다.

With the development of multimedia data collection technology and portable device manufacturing technology, various demands for health care system are emerging. Most existing healthcare systems are used to monitor patient health care information or emergency situations or each daily situations. Recently, edge computing has been utilized in various fields. Due to improvement of multimedia collection function of portable devices, and a medical big data system that integrates an emergency healthcare system and a healthcare system for daily monitoring is being studied based on edge computing. This paper introduces cases of various healthcare systems based on portable devices such as edge computing, introduces the latest research trends on the construction method, and suggests future directions of health care system.

최근에는 증강 현실 기술과 가상 현실 기술이 사용되는 의료 영상 분야에서 Low-end 시스템에 대한 정확한 인체 모델을 시각화하는 것이 중요하다. 모델의 기하구조를 줄이면 원래 모양과 다른 점이 나타나고 그 차이를 오류로 간주한다. 따라서 기하구조를 축소하면서 오류를 최소화해야 한다. 본 연구에서는 CT 나 MRI 등의 단층 영상에서 인체 장기에 해당하는 영역을 분할하여 3 차원 기하학적 모델을 생성함으로써 다중 해상도의 상세 단계 모델의 재구성 방법을 구현했다. 실험에서 가상 현실 플랫폼은 척추 영역을 재구성한 모델의 모양을 검증하기 위해 구축되었다. 가상 현실 플랫폼을 이용하여 3D 인체 모델과 환자 정보를 확인할 수 있다.

In recent years, it is important to visualize an accurate human body model for the low-end system in the medical imaging field where augmented reality technology and virtual reality technology are used. Decreasing the geometry of a model causes a difference from the original shape and considers the difference as an error. So, the error should be minimized while reducing geometry. In this study, the organ areas of a human body in the tomographic images such as CT or MRI is segmented and 3D geometric model is generated, thereby implementing the reconstruction method of multiple resolution level-of-detail model. In the experiment, a virtual reality platform was constructed to verify the shape of the reconstructed model, targeting the spine area. The 3D human body model and patient information can be verified using the virtual reality platform.

이 논문에서는 유체 시뮬레이션 기술을 사용해서 비유체인 토사를 시뮬레이션하는 방법을 구현했다. 굴착 작업 등에 의해 생성되는 토사를 표현하기 위해 널리 사용되는 NVIDIA 사의 FleX를 사용하였다. FleX는 SPH(Smoothedparticle hydrodynamics) 기법과 위치 기반 동역학 (Position Based Dynamics) 기법을 결합한 입자 기반 물 리 시뮬레이션 라이브러리로서 이를 이용하면 유체를 실감 있게 표현할 수 있다. 그러나 토사는 유체의 성질뿐만 아니라 비유체의 성질도 가지고 있기 때문에 기존의 FleX가 제공하는 기능만으로 시뮬레이션하기 어렵다. 본 연구에서는 기존 Flex를 이용하여 비유체의 행태를 시뮬레이션하기 위한 기법을 추가하였다. 이를 통해 적은 비용으로 효과적인 결과 개선이 이루어질 수 있다.

In this paper, we have implemented soil simulation using fluid simulation technology. A widely used NVIDIA FleX was used to represent the soil generated by excavation work. FleX is a particle-based physics simulation library that combines SPH (Smoothed-particle hydrodynamics) and Position Based Dynamics techniques. However, since the soil has not only fluid properties but also non-fluid properties, it is difficult to simulate with the functions provided by conventional FleX. In this study, we added a technique to simulate non-fluid behavior using existing Flex. This can lead to effective results improvement at low cost.

서버리스 컴퓨팅은 서버 관리가 필요 없이 애플리케이션을 개발하고 실행시킬 수 있는 새로운 컴퓨팅 패러다임이다. 최근, 엔터프라이즈 애플리케이션 아키텍처가 컨테이너와 마이크로서비스로 전환됨에 따라, 서버리스 컴퓨팅 기반 의 클라우드 서비스는 운영과 관리가 어려운 마이크로 서비스의 확장과 배포가 용이하게 되었다. 이에 따라, 본 논 문에서는 서버리스 컴퓨팅을 구현할 수 있는 대표적인 3가지 오픈소스 플랫폼인 OpenFaaS, Kubeless 및 Fission 기술들을 비교하고, 배포된 함수를 이용하여 평균 응답 시간 및 응답 성공률 측정 실험을 수행하였다.

Serverless computing is a new computing paradigm which can develop and execute the application program without server management overhead. Recently, as the enterprise application architectures are evolved to container and micro-services, serverless-based cloud services make it easy to expand and distribute the micro-services. In this regard, we compared the technologies and performed an experiment to measure average response time and response success rate of distributed functions for the three typical serverless open source frameworks: OpenFaaS, Kubeless and Fission.

사물인터넷이 발전함에 따라 시대가 지날수록 이용하는 기기들의 수는 기하급수적으로 늘어나고 있다. 이러한 기기 들은 서로 데이터를 주고받으며 유용한 정보를 사용자에게 제공한다. 그러나 사물인터넷 기기들은 소형화 및 저전력 형태로 설계하기 때문에 연산능력에 한계가 있어 기존의 보안기술을 적용시키기 어렵다. 이로 인해 사물인터넷 환경 의 이용자나 기기에 대한 안전한 인증기술에 대한 연구가 활발히 진행되고 있다. 본 논문에서는 사용자가 설정한 방 식에 맞추어 지속적으로 사물인터넷에 지속-재인증하는 프로토콜에 대해 기술한다. 사용자는 게이트웨이를 통해 사 물인터넷 기기에 연결하기 위한 Access Token과 Refresh Token을 발급받은 후 토큰을 활용하여 지속적으로 재 인증하여 신뢰된 사용자인지 검증받도록 한다. 이 프로토콜을 활용하면 Access Token이 만료되어도 처음부터 재 발급하는 과정을 거치는 것이 아니라 Refresh Token을 활용하여 Access Token을 계속 사용할 수 있도록 만듦으 로써 기존의 연결을 지속해서 이어나갈 수 있다.

As the Internet of Things develops, the number of devices used increases exponentially. These devices exchange data with each other and provide useful information to users. However, it is difficult to apply existing security technologies as Internet of Things devices are designed in the form of miniaturization and low power. As a result, research on security authentication technology of users and devices is being carried out actively in the Internet of Things environment. This paper describes the protocol that continuously refortifies the Internet of Things according to the method set by the user. Users receive access tokens and refresh tokens to connect to IoT devices through a gateway, and continually re-certify the token to see if the user is a trusted user. This protocol allows you to continue with existing connections by making the access token available continuously using the refresh token instead of running the process again, even if the access token expires.

소프트웨어 정의 네트워킹(SDN)은 네트워크 장치의 데이터 기능과 제어기능을 분리한 미래 네트워킹 기술이다. 네 트워크 장치들이 하나의 컨트롤러에 의해 중앙 제어되는 SDN의 구조는 대규모의 네트워크로의 확장성을 보장하기 가 쉽지 않다. 선행연구들은 다수의 컨트롤러를 배치하는 수평적 확장성에 초점을 두어왔다. 이 연구들은 제어 평면 과 응용 평면을 하나의 컨트롤러로 추상화하고 있다. 보편적인 SDN 아키텍처의 계층은 데이터 평면, 제어 평면, 응용 평면으로 나뉘는데 응용평면과 제어평면은 논리적으로 분리되어 있음에도 두 평면을 하나의 컨트롤러로 간주하 였다. 따라서 본 논문에서는 대기행령 이론을 바탕으로 제어 평면과 응용 평면을 분리하여 반영한 트래픽 성능 분석 모델을 제안한다. 이 모델을 사용하면 복잡한 시뮬레이션 대신 간단하게 컨트롤러 배치 문제 등과 같은 확장성 문제에 활용할 수 있다.

Software Defined Networking (SDN) is the future network paradigm of decoupling control and data functions. In SDN structure, it is hard to address scalability in case of large-scale networks because single controller managed thousands of switches in a centralized fashion. Most of previous studies have focused on horizontal scalability, where distributed controllers are assigned to network devices. However, they have abstracted the control plane and the application plane into a single controller. The layer of the common SDN architecture is divided into data plane, control plane, and application plane, but the control plane and application plane have been modeled as a single controller although they are logically separated. In this paper, we propose a analytical traffic model considering the both application plane and control plane based on queuing theory. This model can be used to address scalability issues such as controller placement problem without complicated simulations.

영상처리를 이용한 차량 번호판 인식은 경찰의 범죄 추적과 무인 주차관리에서 많이 사용되고 있다. 특히 경찰은 속 도위반, 주정차 위반과 같은 범죄 차량 추적 등에 많이 사용한다. 추적을 위한 시스템은 카메라 이미지를 중앙 시스 템으로 전송하면, 중앙 시스템에서 이미지 처리를 통해 디지털 데이터로 변환한 정보와 데이터베이스에 저장된 범죄 차량 정보를 비교하여 범죄 차량 여부를 판단한다. 이로 인해 범죄 차량 여부의 확인까지 상대적으로 긴 시간과 높 은 비용이 발생하여 정보 획득과 빠른 범죄 차량 판단이 어렵다. 본 논문에서는 이러한 문제점을 해결하기 위해 차 량 번호판 정보를 저장하고 관리할 수 있는 파일 데이터베이스 구조와 효율적인 탐색을 위한 알고리즘을 제안한다. 차량 번호한은 한국 표준 번호판을 기준으로 작성하였고, 용도와 차량 등록번호를 이용한 2차원 배열 형태로 구성하 여 효율적으로 정보를 구조화하였다. 파일 데이터베이스의 성능 평가는 SQLite와 비교를 통해 탐색 알고리즘을 통 한 차량 정보의 빠른 접근을 증명하였다.

License plate recognition using image processing is widely used for police crime tracking and unmanned parking management. The tracking system transmits the camera image to the central system, and compares the information converted into digital data and the criminal vehicle information stored in the database through image processing in the central system to determine whether the vehicle is a criminal vehicle. This incurs a relatively long time and high cost until the identification of the crime vehicle, it is difficult to obtain information and quickly determine the crime vehicle. In this paper, to solve this problem, we propose a database structure for storing and managing license plate information and an algorithms for efficient retrieval. Vehicle number limit was prepared based on Korean standard license plate and structured information efficiently by constructing two-dimensional array form using purpose and vehicle registration number. The performance evaluation of the file database demonstrates the fast access of vehicle information through a search algorithm through comparison with SQLite.