Earticle

랜섬웨어(ransomware)는 사용자 데스크톱의 파일들을 암호화한 뒤, 복호화 비용을 요구하는 악성 프로그램이다. 랜섬웨어 공격의 빈도와 피해금액은 매년 증가하고 있기 때문에 랜섬웨어 예방과 탐지 및 복구 시스템이 필요하다. 본 논문에서는 Baek 등이 제안한 랜섬웨어 탐지 알고리즘인 SSD-Insider가 덮어쓰기 검사를 위해 사용하는 해시 테이블을 블룸 필터로 교체한 AdvanSSD-Insider 알고리즘을 제안한다. 실험 결과 AdvanSSD-Insider 알고리 즘은 SSD-Insider 알고리즘에 비해 메모리 사용량이 최대 90%, 수행시간이 최대 77% 감소하였고 동일한 탐지 정확도를 얻었다. 또한 SSD-Insider 알고리즘과 동일한 조건의 메모리 사용량으로 AdvanSSD-Insider 알고리즘 은 10배 더 긴 시간을 관찰할 수 있으며, 이를 통해 기존에 탐지하기 어려웠던 랜섬웨어에 대해 탐지 정확도가 증가 하는 결과를 얻었다.

Ransomware is a malicious program that requires the cost of decryption after encrypting files on the user’s desktop. Since the frequency and the financial damage of ransomware attacks are increasing each year, ransomware prevention, detection and recovery system are needed. Baek et al. proposed SSD-Insider, an algorithm for detecting ransomware within SSD. In this paper, we propose an AdvanSSD-Insider algorithm that substitutes a hash table used for the overwriting check with a bloom filter in the SSD-Insider. Experimental results show that the AdvanSSDInsider algorithm reduces memory usage by up to 90% and execution time by up to 77% compared to the SSD-Insider algorithm and achieves the same detection accuracy. In addition, the Advan SSD-Insider algorithm can monitor 10 times longer than the SSD-Insider algorithm in same memory condition. As a result, detection accuracy is increased for some ransomware which was difficult to detect using previous algorithm.

실내 환경에 대한 관심이 높아지면서 환경 센서 관련 기술 개발이 활발하게 진행되고 있다. 다중 이용시설에서는 측 정해야 할 오염물질을 법령에서 규정하고 있으며 법령이 발표된 시기에 따라 측정해야 할 오염물질이 변경되기도 한 다. 따라서 설치해야 할 환경 센서의 종류는 장소나 시간에 맞춰 수정되어야 한다. 본 논문에서는 다양한 센서 설치 환경에 효율적으로 대처하기 위하여 교체형 센서 모듈을 제안한다. 하드웨어 종속적인 부분은 센서 모듈로, 정보를 처리하고 관리하는 모듈은 모니터링 모듈로 구분하고, 모듈 간 데이터 전송을 위한 프로토콜을 정의한다. 이를 통해 간단한 소프트웨어 등록과정과 최소한의 하드웨어 수정만으로 다양한 항목의 센서 데이터를 측정할 수 있는 기반을 제공한다. 제안된 방법을 사용하면 변하는 기준에 따라 관심 있는 센서를 시스템에 추가로 장착하거나 변경 및 삭제 가 가능하다는 장점이 있다.

As interest in the indoor environment has increased, technologies related to environmental sensors have been actively developed. In multi-use facilities, the legislation requires pollutants to be measured, and the pollutants to be measured may change depending on when the law is published. Therefore, the type of environmental sensor to be installed should be modified according to the place or time. In this paper, we propose an replaceable sensor module to efficiently cope with various sensor installation environments. The hardware-dependent part is a sensor module, and the processing and managing information part is divided into a monitoring module, and a protocol for data transmission between two modules is defined. This study provides a basis for measuring sensor data of various items with simple software registration process and minimal hardware modification. The proposed method has the advantage that the sensor of interest can be additionally installed, modified or deleted according to changing criteria.

최근 딥러닝 기술이 발전함에 따라 많은 컴퓨터 비전 연구 분야에서 주목할 만한 성과들이 지속적으로 나오고 있다. 단일 이미지를 기반으로 사람의 2차원 및 3차원 포즈를 추정하는 연구에서도 비약적인 성능향상을 보여주고 있으 며, 많은 연구자들이 문제의 범위를 확장하며 활발한 연구 활동을 진행하고 있다. 사람의 포즈 추정은 다양한 응용 분야가 존재하고, 특히 이미지나 비디오 분석에서 사람의 포즈는 행동 및 상태, 의도 파악을 위한 핵심 요소가 되기 때문에 상당히 중요한 연구 분야이다. 이러한 배경에 따라 본 논문은 단일 이미지를 기반으로 한 사람의 포즈 추정 기술에 대한 연구 동향을 살펴보고자 한다. 강인하고 정확한 문제 해결을 위해 다양한 연구 활동 결과가 존재한다는 점에서 본 논문에서는 사람의 포즈 추정 연구를 2차원 및 3차원 포즈 추정에 대해서 나누어 살펴보고자 한다. 끝으 로 연구에 필요한 데이터 세트 및 사람의 포즈 추정 기술을 적용하는 다양한 연구 사례를 살펴볼 것이다.

With the recent development of deep learning technology, remarkable achievements have been made in many research areas of computer vision. Deep learning has also made dramatic improvement in two-dimensional or three-dimensional human pose estimation based on a single image, and many researchers have been expanding the scope of this problem. The human pose estimation is one of the most important research fields because there are various applications, especially it is a key factor in understanding the behavior, state, and intention of people in image or video analysis. Based on this background, this paper surveys research trends in estimating human poses based on a single image. Because there are various research results for robust and accurate human pose estimation, this paper introduces them in two separated subsections: 2D human pose estimation and 3D human pose estimation. Moreover, this paper summarizes famous data sets used in this field and introduces various studies which utilize human poses to solve their own problem.

최근 3D 스캐너의 필요성이 강하게 대두되고 있으며 이에 따라 다양한 기관에서 3D 스캐너에 대한 연구를 진행하 고 있다. 광학 스캐너는 일정한 구조광 패턴을 물체에 투사한 후 카메라로 촬영된 패턴을 분석하여 대상 물체의 3차 원 형태를 재구성한다. 그러나 핸드헬드 스캐너에서 프로젝터를 사용하면, 기구를 빠르게 움직이면서 생긴 영상의 흐려짐(blur)으로 인해 계산된 포인트 클라우드의 3차원 좌표에 오류가 발생한다. 이 때문에 촬영한 영상에 모션 블러의 발생여부를 검사해야한다. 모션 블러가 발생한 프레임이 감지되면 그 데이터는 최종 3차원 모델 생성에 사용 해서는 안된다. 이 논문에서는 대각선 방향의 격자형 구조광 패턴을 프로젝션 할 때 모션블러의 발생여부를 확인하 기 위하여, 서로 수직인 대각선의 교차점을 각 대각선 방향의 Gabor 필터를 이용하여 찾는 기법에 대해 설명한다. 또한 스캔된 영상들이 실시간으로 입력되는 경우에도 교차점을 검출할 수 있도록 GPU로 병렬 처리하는 방법을 설명한다.

Recently, the necessity of the 3D scanner is rising, and various institutions are conducting research on the 3D scanner. An optical scanner projects a structured light pattern onto an object and analyzes the pattern photographed by a camera to reconstruct a three-dimensional shape of the object. However, using a projector in a handheld scanner results in errors in the calculated three-dimensional coordinates of the point cloud due to the blurring of the image resulting from the fast movement of the instrument. For this reason, it is necessary to check whether motion blur has occurred in the captured image. If a frame with motion blur is detected, the data should not be used to generate the final three-dimensional model. In this paper, we describe a technique to find the intersections of diagonal lines perpendicular to each other by using Gabor filters in order to check whether motion blur occurs when projecting a grid-shaped structured light pattern in a diagonal direction. In addition, a description will be given of a method of parallel processing by the GPU to detect an intersection even when scanned images are input in real time.

모바일 환경에서 딥러닝을 통한 손 제스처 인터페이스를 제공하려면 높은 인식률을 제공하면서 실행속도의 저하를 막기 위한 네트워크 경량화의 연구가 필수적이다. 본 논문은 딥러닝 모델의 경량화를 통해 모바일 기기에서 손가락 을 이용하여 공중에 쓴 문자를 실시간으로 인식하는 방법을 제안한다. MobileNet을 특징 추출기로 활용하는 객체 탐지 모델인 SSD (Single Shot Detector)를 기반으로 집게손가락을 탐지하고 손끝 경로를 이어 결과문자 영상을 생성한다. 이 영상은 서버로 전송되어 정규화 과정을 수행한 다음 학습된 OCR 모델을 이용하여 문자를 인식한다. 본 방법을 검증하기 위하여 12명의 사용자가 GALAXY S10+ 기기를 사용하여 1,000개의 단어를 실험한 결과 평 균 88.6%의 정확도로 손가락을 인식하고 124 ms 이내로 인식된 텍스트가 출력되어 실시간으로 활용 가능함을 알 수 있었다. 본 연구결과는 모바일 환경에서 손가락을 이용한 간단한 문자 전송, 메모 및 공중 서명 등에 활용될 수 있다.

To provide a hand gesture interface through deep learning in mobile environments, research on the light-weighting of networks is essential for high recognition rates while at the same time preventing degradation of execution speed. This paper proposes a method of real-time recognition of written characters in the air using a finger on mobile devices through the light-weighting of deep-learning model. Based on the SSD (Single Shot Detector), which is an object detection model that utilizes MobileNet as a feature extractor, it detects index finger and generates a result text image by following fingertip path. Then, the image is sent to the server to recognize the characters based on the learned OCR model. To verify our method, 12 users tested 1,000 words using a GALAXY S10+ and recognized their finger with an average accuracy of 88.6%, indicating that recognized text was printed within 124 ms and could be used in real-time. Results of this research can be used to send simple text messages, memos, and air signatures using a finger in mobile environments.

비강체 정합은 임상적 필요성은 높으나 계산 복잡도가 높고, 정합의 정확성 및 강건성을 확보하기 어려운 분야이다. 본 논문은 비지도 학습 환경에서 3차원 뇌 자기공명 영상 데이터에 딥러닝 네트워크를 이용한 비강체 정합 기법을 제 안한다. 서로 다른 환자의 두 영상을 입력받아 네트워크를 통하여 두 영상 간의 특징 벡터를 생성하고, 변위 벡터장을 만들어 기준 영상에 맞추어 다른 쪽 영상을 변형시킨다. 네트워크는 U-Net 형태를 기반으로 설계하여 정합 시 두 영상의 전역적, 지역적인 차이를 모두 고려한 특징 벡터를 만들 수 있고, 손실함수에 균일화 항을 추가하여 3차원 선 형보간법 적용 후에 실제 뇌의 움직임과 유사한 변형 결과를 얻을 수 있다. 본 방법은 비지도 학습을 통해 임의의 두 영상만을 입력으로 받아 단일 패스 변형으로 비강체 정합을 수행한다. 이는 반복적인 최적화 과정을 거치는 비학습 기반의 정합 방법들보다 빠르게 수행할 수 있다. 실험은 50명의 뇌를 촬영한 3차원 자기공명 영상을 가지고 수행하 였고, 정합 전·후의 Dice Similarity Coefficient 측정 결과 평균 0.690으로 정합 전과 비교하여 약 16% 정도의 유사도 향상을 확인하였다. 또한, 비학습 기반 방법과 비교하여 유사한 성능을 보여주면서 약 10,000배 정도의 속도 향상을 보여주었다. 제안 기법은 다양한 종류의 의료 영상 데이터의 비강체 정합에 활용이 가능하다.

Although a non-rigid registration has high demands in clinical practice, it has a high computational complexity and it is very difficult for ensuring the accuracy and robustness of registration. This study proposes a method of applying a non-rigid registration to 3D magnetic resonance images of brain in an unsupervised learning environment by using a deep-learning network. A feature vector between two images is produced through the network by receiving both images from two different patients as inputs and it transforms the target image to match the source image by creating a displacement vector field. The network is designed based on a U-Net shape so that feature vectors that consider all global and local differences between two images can be constructed when performing the registration. As a regularization term is added to a loss function, a transformation result similar to that of a real brain movement can be obtained after the application of trilinear interpolation. This method enables a non-rigid registration with a single-pass deformation by only receiving two arbitrary images as inputs through an unsupervised learning. Therefore, it can perform faster than other non-learning-based registration methods that require iterative optimization processes. Our experiment was performed with 3D magnetic resonance images of 50 human brains, and the measurement result of the dice similarity coefficient confirmed an approximately 16% similarity improvement by using our method after the registration. It also showed a similar performance compared with the non-learning-based method, with about 10,000 times speed increase. The proposed method can be used for non-rigid registration of various kinds of medical image data.

직접 볼륨 렌더링은 의료영상과 같은 3차원 볼륨 데이터의 가시화에 널리 사용되는 방법이다. 본 논문은 직접 볼륨 렌 더링의 깊이 인식을 향상시키기 위해 피사계 심도 효과를 볼륨 광선투사법에 적용하는 방법을 제안한다. 제안하는 방 법은 인간의 지각 모델을 기반으로 카메라 모델을 적용하며 지터드 렌즈 샘플링을 사용하여 제한된 개수의 광선으로 사실적인 이미지를 획득할 수 있다. 또한, 전처리 과정 없이 GPU 파이프라인 안에서 피사계 심도를 바로 계산하여 볼륨 데이터의 대화식 탐색이 가능하다. 의료영상을 포함한 여러 데이터에 적용한 실험에서 기존 방법보다 2.6~4배 빠른 시간에 피사계 심도 효과를 표현하여 깊이 인식에 보다 도움을 주는 영상을 생성하는 것을 확인하였다.

Direct volume rendering is a widely used method for visualizing three-dimensional volume data such as medical images. This paper proposes a method for applying depth-of-field effects to volume ray-casting to enable more realistic depth-of-filed rendering in direct volume rendering. The proposed method exploits a camera model based on the human perceptual model and can obtain realistic images with a limited number of rays using jittered lens sampling. It also enables interactive exploration of volume data by on-the-fly calculating depth-of-field in the GPU pipeline without preprocessing. In the experiment with various data including medical images, we demonstrated that depth-of-field images with better depth perception were generated 2.6 to 4 times faster than the conventional method.

VR 시장이 활성화되고 관련 IT시장도 점점 성숙해짐에 따라 완성도 높은 VR콘텐츠에 대한 요구는 끊임없이 계속 되고 있다. 메디컬 VR 콘텐츠는 개인 맞춤형 콘텐츠 서비스로서 성장의 가능성이 매우 크다. 본 연구는 의학 전문 가와의 연계를 통한 가상현실 재활 콘텐츠의 개발 사례로서, 완성된 콘텐츠는 ADHD 환자들을 대상으로 한 임상시 험을 통해 효과성을 검증할 예정이다. 본 연구를 통해 개발한 콘텐츠는 인터렉션을 활용한 정성, 정량적 측정을 통 한 환자의 체계적인 재활 훈련이 가능하며, 현실의 공간 제약적인 문제에서 탈피하고, 몰입도 높은 훈련이 가능하다는 점에서 장점이 있다.

As the VR market is activated and related IT markets are becoming more mature, demands for high-completion VR content continue unremittingly. Medical VR contents are personalized content services, and there is a great potential for growth. This study is an example of the development of virtual reality rehabilitation content through links with medical experts, and the completed content will be validated through clinical trials on ADHD patients. Content developed through this study has the advantage of systematic rehabilitation training of patients through qualitative and quantitative measurement using interaction, and is able to break away from space-constrained problems in real life, and to be highly immersive.