Earticle

최근 들어, 딥뉴럴네트워크는 이미지 인식, 패턴 분석, 침입탐지 등 다양한 분야에 활용되고 있다. 본 논문에서는 딥 뉴럴네트워크 기반의 침입탐지방법에 대하여 여러 가지 파라미터를 조절하여 탐지 성공률을 실험적으로 분석하였 다. 대표적인 침입 데이터인 KDD CUP 99 데이터셋을 사용하였으며, 텐서플로우 머신러닝 라이브러리를 이용하 였고 각 파라미터를 수정하여 탐지율을 측정하였다. 추가적으로 선형회귀(linear regression, LR), 나이브 베이즈 분류 (naive bayes classification, NB), 최근접 이웃(k-nearest neighbors, KNN), 의사결정트리(decision tree, DT), 랜덤 포레스트(random forest, RF) 등의 방법들에 대해서도 실험적으로 비교 분석하였다. 각 파라미 터로는 각 층의 노드 수, Dropout의 수, 활성화 함수 등을 고려하여 분석하였으며, 은닉층이 5개인 딥뉴럴네트워크 일 때, 93.8% 탐지 정확도로 가장 높은 것을 확인할 수 있었다.

Recently, deep neural networks (DNNs) provide the good performance for image recognition, pattern analysis and intrusion detection. In this paper, we analyzed experimentally the success rate of detection by manipulating various parameters for intrusion detection method of deep neural network. We used the KDD CUP 99 data set, which is a widely used intrusion data, and modified each parameter using the TensorFlow machine learning library to measure the detection accuracy. We also analyzed linear regression (LR), naive bayes classification (NB), k-nearest neighbors (KNN), decision trees (DT) and random forests. (random forest, RF). We analyzed the parameters by modifying the number of nodes in each layer, the number of dropouts, and the activation function. Experimental results show that DNNS has the highest detection with 93.8% accuracy with 5 hidden layers.

MEMs IMU(Inertial Measurement Unit)를 이용한 보행자추측항법 (pedestrian dead-reckoning, PDR) 시스템은 실내 환경에서 보행자의 위치를 추정하는 기술로, 외부 인프라를 요구하지 않고 저비용으로 위치 추정이 가능한 장점으로 인해 이를 활용한 연구가 활발히 이루어지고 있다. 하지만 PDR 시스템은 센서의 낮은 정밀도 및 시간과 거리에 비례하여 누적되는 오차로 인해 신뢰도가 저하되는 문제가 있어 정확도 향상을 위한 알고리즘과 필터 설계가 중요하다. PDR 시스템은 보행자의 걸음을 판단하는 걸음 검출과정과 이동거리를 추정하는 보폭추정 그리고 보행방향을 결정하는 방향추정 과정을 거치게 되며, 걸음과 보폭은 위치 추정 단계에서 이동 거리 오차에 영향을 준 다. 걸음 검출 및 보폭 추정은 일반적으로 가속도 센서의 측정 데이터를 기반으로 이루어지는데, 중력가속도 기반의 걸음 검출은 비교적 정확하게 측정 가능한 반면 사람의 걸음마다 달라지는 보폭을 반영하지 못하는 문제점이 있다. 본 논문에서는 각속도 센서의 측정 데이터를 이용한 걸음 검출 및 보폭 추정 방법을 제안하였고, 제안하는 방법을 발 부착형 PDR 시스템에 적용하여 실험을 통해 걸음 검출 및 보폭 추정의 정확도를 평가하였다.

PDR system using IMU is proposed as a method for estimating the position in an indoor environment. The PDR system has the advantage of estimating the position without any additional external devices, however, it requires an algorithm and filter design to improve accuracy owing to precision and noise problems. The PDR system estimates the position through step detection, step length estimation, and heading estimation. In the position estimation procedure, the detected step and estimated step length affect the movement distance error. Step detection and step length estimation are generally based on measurement data from an accelerometer. While step detection using gravity acceleration is relatively accurate, it can not reflect the step length that varies with each step of the person. In this paper, a step detection and step length estimation method using gyroscope data is proposed. The proposed method was applied to the foot-mounted PDR system and the accuracy of the step detection and step length estimation was evaluated through experiments.

본 논문에서는 실용성 높은 3차원 수술 항법 장치를 위한 정밀 얼굴 정합방법을 제안한다. 첫 번째, 환자의 CT 영 상에서 눈과 코를 포함하는 ROI영역에 표면 추출을 하여 점군을 획득하고, 수술 전 환자로부터 CT 영상에서 획득 한 점군과 비슷한 모양으로 프로브를 움직여 점군을 획득한다. 획득한 두 점군 각각 데이터의 특징을 이용하여 눈, 코, 이마 등과 같은 해부학적 특징점을 찾는다. 두 번째, 찾은 특징점을 데이터의 특징을 이용하여 서로 매칭하여 초기정합을 수행한다. 세 번째, CPD 알고리즘을 사용하여 2차 정합을 수행한다. 마지막으로 파웰 방법을 이용하여 CPRE가 최소가 되는 위치로 정밀 정합한다. 실험 결과, 제안 방법은 실용성이 높은 피부 데이터만 이용 시 기존 방법보다 정확도가 높고 오차수치는 1.07mm로 나타났다.

In this paper, we propose accurate face registration for practical 3D surgical navigation system. First, we performed Surface Extraction of the patient's CT image by masking the ROI area which includes eyes and nose to obtain a point set. The other point set is acquired by moving probe on the patient face before surgery. This point set also includes eyes and nose. Anatomical features such as eyes, nose, and forehead are extracted from each of the two point sets. Second, initial registration is performed by matching the found feature points using data structures. Third, two point sets are aligned using the CPD algorithm. Finally, we fit the two point set using Powell's method by minimizing CPRE. According to the results of accuracies using only skin data, our method had 1.07mm error which is more accurate than the previous method.

CCD나 CMOS 카메라로 획득된 영상은 노이즈에 의한 밝기 변화가 항상 발생하며, 이러한 변화는 다양한 원인으로 부터 생겨날 수 있다. 전통적인 노이즈 제거 방법은 밝기 변화에 대한 근본적인 특성을 고려하지 않고 경계선을 유지 하도록 고려하면서 주변 픽셀과의 가중치의 합으로 계산된다. 본 논문에서는 근본적인 영상 노이즈를 고려하여 촬영 된 장면의 방사 조도에 가까운 실제 밝기를 추정하는 확률적 방법을 제안한다. 주어진 밝기와 노이즈와의 관계를 통 해서 제안된 모델은 밝기 차이의 통계치기반 사후확률을 최대화하여 노이즈가 줄어든 밝기를 계산한다. 기존 방법에 서 주로 사용되는, 주변 픽셀은 유사한 컬러를 갖는다는 전통적인 가정 대신에 영상 노이즈에 의한 밝기 변화 분포는 실제 밝기에서 가장 높은 확률을 갖는다는 사실을 이용하였다. 대상 픽셀과 주변 픽셀의 확률적인 영향력을 계산함으 로써 대상 픽셀에 대해 반복적으로 확률을 최대화하면서 실제 밝기에 가까워질 수 있다. 다양한 실험에 의해서 제안 된 방법은 밝기와 노이즈 사이의 확률적 선험정보를 이용해서 노이즈가 제거된 영상을 복원한다는 것을 보였다.

Images captured by CCD or CMOS cameras cannot escape from unexpectable intensity variation, which is caused by image noise from various sources. Conventional denoising approaches, even if they are designed as an edge-preserved way, just compute the weighted sum of neighborhood pixels without consideration of intrinsic characteristics of intensity variation. In this paper, we propose a probabilistic model to estimate true intensity close to scene irradiance free from intrinsic image noise. Given the relationship between intensity and noise, the proposed model computes noise-reduced intensity by maximizing a posteriori with statistics of intensity difference. Instead of conventional assumption of that neighborhood pixels have almost similar colors, we employ the fact that the distribution of intensity variation by intrinsic image noise has the highest probability at true intensity. When a reference pixel is supported by sufficient other pixels, estimated intensity can be close to true intensity by maximizing the probability, iteratively. By various experiments, the proposed method is validated to restore the image of which noise is reduced using probabilistic priors between intensity and noise.

클라우드 서비스는 서비스와 서비스 간, 서비스와 기능 간 결합 등을 통해 다양한 서비스가 파생 될 수 있는 매개체로 스타트업 등 기업의 비즈니스 혁신 및 디지털전환 플랫폼으로서 활용성이 증대되고 있다. 그러나 여전히 중소 클라우드 기업은 서비스 안정성 확보를 위한 보안위협 대응에는 역량을 집중하지 못하고 있다. 이를 위해 본 논문에서는 클라우 드 서비스에 특화된 보안 취약성이 아닌, 클라우드 서비스 제공 및 운영과정에서 발생 될 수 있는 사이버 보안취약성 대응 및 예방의 중요성에 대한 인식을 제고하기 위하여 실제 제공중인 클라우드 서비스 대상 보안취약점 점검 및 분석 하였다. 이러한 분석결과를 기반으로 국내 클라우드 중소기업의 서비스 보안 수준을 강화 할 수 있는 방안을 제시한다.

Cloud services are a medium through which various services can be derived through mash-up between services and services and services and functions, and their utilization is increasing as a platform for business innovation and digital transformation by companies such as startups. However, small and medium-sized cloud companies are still unable to focus their capabilities on responding to security vulnerabilities to ensure service reliability. this paper scanned and analyzed the security vulnerabilities of the cloud services target actually being provided in order to increase awareness of the importance of responding to and preventing cyber security vulnerabilities that may arise in the course of cloud service delivery and operation, rather than. Based on these analysis results, the company presents measures to enhance the level of service security of small and medium-sized cloud businesses in Local.

블록체인은 연결된 노드 간 합의를 통하여 동일한 데이터를 공유하며 사용자의 범위에 따라 퍼블릭 블록체인과 프라 이빗 블록체인으로 구분된다. 퍼블릭 블록체인은 임의의 불특정 다수가 노드로 참여할 수 있기 때문에 악의를 가진 노드의 보안 위협을 차단하기 위하여 과도한 컴퓨팅 파워와 지분을 요구하는 반면 프라이빗 블록체인은 신뢰 기반의 허가된 노드만이 네트워크에 참여할 수 있기 때문에 합의를 위한 과도한 컴퓨팅 파워 등이 필요치 않아 네트워크 통 신속도를 증가시킬 수 있고 트랜잭션의 최종성 합의가 가능하다. 프라이빗 블록체인 환경에서 적용 가능한 합의 알 고리즘은 다양하다. 하지만 합의알고리즘 선정을 위한 성능평가요소가 다양하지 않아 사용자의 환경을 고려한 최적 의 합의알고리즘 선택이 힘들 수 있다. 본 논문에서는 프라이빗 환경의 합의 알고리즘의 특징을 분석하고 사용자 환 경의 특징을 고려한 효율적 합의 알고리즘 선정을 위한 성능평가 요소를 제안하였으며 제안 내용의 적합성을 증명하 기 위하여 다수의 사례에 수식을 적용하여 적합한 합의 알고리즘을 제안하였다. 본 논문의 제안 내용을 통하여 사용 자의 목적에 부합하는 합의 알고리즘 선정을 위한 다양한 성능평가요소 확인 및 해당 요소를 통한 효율적 합의알고 리즘 선정이 가능하다.

Private blockchain can be applied to various consensus algorithms. Since the performance evaluation factors for selecting the consensus algorithm of the private blockchain environment are not diverse, it may be difficult to select the optimal consensus algorithm considering the user's environment. In this paper, propose a performance evaluation element for analyzing the characteristics of the consensus algorithm in the private environment and selecting an efficient consensus algorithm considering the characteristics of the user environment. The process of selecting is presented. Through the research contents of this paper, it is possible to identify various performance evaluation factors for selecting a consensus algorithm that meets the user's purpose and to select an efficient consensus algorithm through those factors.

블록체인 시스템은 확장성(scalability), 탈중앙화(decentralization), 보안(security)이라는 3가지 특성 모두를 만족시킬 수는 없는 모순적인 상황을 맞닥뜨리게 된다. 이러한 3가지 특성 중 확장성에 관련한 문제는 블록체인 시 스템의 성능에 가장 직접적으로 영향을 미친다. 확장성 문제를 해결하기 위한 기존의 방식들은 위원회(committee) 를 구성하여 블록생성자를 선정한다. 이는 탈중앙화 특성을 헤치는 요소로 작용할 우려가 있다. 본 논문에서는 이러 한 문제를 해결하고자 위원회 등의 중앙화 된 절차 없이 확장성을 개선하는 PoS 기반 블록 생성 알고리즘, Proof-of-Lottery(PoL)를 제안한다. PoL은 노드의 지분에 기반하여 복권추첨과 유사한 방식으로 추첨을 통해 블 록생성자를 선정한다. 이를 통해 기존 블록체인 기술이 가진 연산능력 낭비 문제를 해결하고 확장성을 확보한다. 제 안한 블록생성자 선정 방법의 성능을 평가하기 위하여 알고리즘의 시간복잡도를 표현하고 기존의 블록생성 알고리 즘들과 비교를 수행하였다. 평가 결과, DPoS를 제외한 나머지의 알고리즘보다 빠르거나 비슷한 수준의 속도로 블 록생성자를 선정할 수 있음을 확인하였다.

Blockchain systems face a contradictory situation in which they cannot satisfy all three characteristics: scalability, decentralization, and security. Of the three characteristics, problems with scalability affect the performance of blockchain systems most directly. Existing methods to solve the scalability problem are not free from the problem of decentralization because they use the method of organizing committees to select block producers. To solve the problem, this paper proposes Proof-of-Lottery(PoL), a block producing algorithm that improves scalability without centralized procedures such as committees. The PoL selects the block constructor through a draw like a lottery based on the stakes of the node. This solves the problem of wasting computing power of traditional blockchain technology and ensures scalability. To evaluate the performance of the proposed block producing algorithm, the time-complexity of the algorithm was expressed and compared with the existing block producing algorithms. The evaluation results confirmed that the suggested algorithm is either faster than other algorithms except DPoS, or at a similar speed.

두 대의 카메라의 양안 시차를 이용해 깊이를 판별하는 stereo matching 분야에서는 최근에 개발되어 가장 효율적 인 알고리즘인 GA-Net이 존재한다. 본 논문에서는 Guided filter라는 경계 처리 알고리즘을 이용해 GA-Net에서 얻어낸 결과를 개선하는 방법을 제안한다. GA-Net에서 얻어낸 결과와 원본 스테레오 이미지를 Guided filter로 합성해 세밀한 경계를 이전보다 정확하게 처리할 수 있는 방법을 제시한다. 실험 결과 GA-Net에서 얻어진 결과는 Guided filter를 사용하여 평균 오차가 16.3% 감소하였다. 또한, Guided filter에서 사용자가 설정해야 하는 파 라미터를 변화하면서 결과를 측정해 파라미터의 변화에 대한 결과 이미지의 경향성을 분석하였다.

In the field of stereo matching, the depth is determined by the disparities between two cameras and GA-Net shows the most accurate performance. In this paper, we improve the depth results from GA-Net using guided filtering as an edge enhancement technique. Depth results from GA-Net and original stereo images are merged to produce more detailed depth images. Experimental results showed that the average error of the depth acquired by guided filter was decreased by 16.3%. We analyzed the depth results by controlling user-defined parameters in guided filtering.