Earticle

최근 드론은 군사용뿐만 아니라 일반인들에게 널리 보급되면서 다양한 목적으로 사용되고 있다. 하지만, 드론이 범 죄, 테러 등 불법적인 목적으로 사용되면서, 최근 안티드론 관련 기술의 연구가 활발히 진행되고 있다. 안티드론 기 술은 크게 탐지, 추적, 무력화로 구분할 수 있으며, 이 중 무력화 기술은 그물을 이용하여 드론을 포획하는 방식, 드 론의 제어 주파수 혹은 GPS 신호를 교란하는 방식, 그리고 총포류 및 레이저를 드론에 직접 발사하여 파괴하는 방 식 등이 있다. 이에 본 논문에서는 드론 무력화 기술에 대하여 2000년부터 한국, 미국, 일본 및 유럽에 출원된 특허 를 검색하였고, 총 151건의 유효특허를 추출하였다. 분석 결과, 미국에 가장 많이 출원되었으며, 드론 무력화 방법 은 포획망, 전파교란 기술이 많았고, 드론 무력화 수단으로는 전파교란 장치, 방어용 드론 및 지상발사체 기술이 많 았다. 포획망은 방어용 드론 및 지상에서 그물을 구비한 투사체를 주로 사용하였고, 전파교란 방법은 지상의 전파교 란 장치 및 휴대용 장치(재밍건)을 주로 이용하였다. 주요 출원인으로는 Battelle Memorial Institute, XiDrone Systems, Diehl Defence, Department 13, MBDA 및 Openworks Engineering 등이 있었다.

Recently, drones have been used for a variety of purposes, as well as military use, widely distributed among the public. However, as drones are used for illegal purposes such as crime and terrorism, research on anti-dron-related technologies has been active recently. Anti-drone technology can be classified into detection, tracking, and neutralization. Among them, the neutralization technologies are distinguished by using networks to capture drones, by disturbing control frequencies or GPS signals that drones are using, and by firing guns and lasers directly into drones to destroy them. Thus, in this paper, we searched for patents applied to Korea, USA, Japan, and EUrope since 2000 for drone neutralization technology, and extracted a total of 151 valid patents. According to the analysis, the most frequently applied to the USA, the main methods of neutralizing drone are the use of capture networks and radio disturbance. The capture network mainly used defense drones and projectiles equipped with nets on the ground. And radio disturbance methods were mainly used for radio disturbance devices and portable devices(jamming guns) on the ground were used. Major applicants included Battelle Memorial Institute, XiDrone Systems, Diehl Defense, Department 13, MBDA and Openworks Engineering.

본 논문에서는 증강 현실 환경에서 각종 IoT (Internet of Things) 기기들을 조작하면서 발생할 수 있는 다양한 안전 문제를 탐색하고, 이를 방지하는 디자인 가이드라인을 제시한다. 먼저 의도치 않은 갑작스러운 변경을 방지하 고 사용자가 원하는 값으로 조절할 수 있도록 하는 보호 인터페이스를 디자인하고, 이를 mid-air 터치 및 손목 회 전 제스쳐에 적용한 사용자 실험을 통해 본 인터페이스의 사용성과 안전성을 검증한다. 또한, 가전 제품들을 사용자 가 직접 조작하도록 하는 관찰 연구를 진행하여 다양하고 실제 발생 가능한 안전 관련 이슈들을 탐색한다. 연구 결 과로 사용자들이 갑작스러운 변화로 인한 위험도가 높을수록 본 연구에서 제안하는 인터페이스를 선호함을 밝히고, 정성적 분석을 통해 안전 관련 문제를 분류하여 이에 기반한 디자인 가이드라인을 제안한다.

In this paper, we explore various safety hazards that can be caused by involuntary inputs while configuring IoT (Internet of Things) devices in Augmented Reality (AR) environment and propose design guidelines to advise such risks. As a first step, we designed a safeguard interface which sets pre-conditions to prevent accidental changes while allowing users to deliberately adjust the parameters to their desired values. We evaluated the usability and safety of our interface designed with mid-air touch and wrist-rotation gestures through a controlled user study. We also conducted an observational study in a realistic setting where users controlled home appliances using our interface in order to explore various safety related issues. The results have revealed that the proposed interface was preferred when the configurational changes can cause more critical or irreversible damage. Also, through the qualitative analysis, we categorized safety related issues and suggested design guidelines based on the results.

가시광을 통신 반송파로 사용하는 가시광 통신(Visible light communication)은 높은 대역폭과 보안 특성으로 인해 여러 해 동안 널리 연구되어 왔다. 시중의 상보성 금속산화물반도(CMOS) 이미지 센서는 전보다 높은 해상도와 처리 속도를 지원할 수 있게 되었다. 광검출기에 기반한 가시광 통신시스템과 비교하여, CMOS 이미지 센서를 광통신 수신 기에 사용하는 가시광 통신시스템도 가능하다. 이러한 가시광 통신시스템을 광 카메라통신 시스템이라고 하며, 최근 매우 높아진 스마트폰의 활용성에 의해 스마트폰에 응용 가능한 기술로서 큰 관심을 받는 기술 중 하나이다. 여러 종 류의 광 카메라 통신이 기술적으로 가능하므로, 다양한 응용분야를 개발하기 위해서 기술적 관점에서 광 카메라 통신 을 이해하는 것이 중요하다. 본 논문에서, 최근 광 카메라통신의 특성을 분류하고 광신호원과 감지소자의 물리적 특성 을 분석한다. 변조방법, 영상획득 및 읽기모드, 그리고 최근의 응용기술 특징 등을 고려하여, 전형적인 형태의 광 카메 라통신 시스템을 분석한다. 또한, 최근 개발되고 있는 광 카메라 통신시스템의 기술적 특징을 제시한다.

Visible light communication, as a technology of using visible light as communication carrier, has been actively researched for many years because of its high bandwidth and security characteristics. Complementary metal-oxide-semiconductor (CMOS)image sensors on the market now have higher resolution and higher processing speed than before. Compared with photon detector-based visible light communication (VLC) system, a kind of VLC system uses CMOS imagesensor as the optical communication receiver. The so-called optical camera communication (OCC) system has become a hot technologyin recent years due to its potential application to smartphones. Since there are different types of OCC systems, it is important to understand the OCC systems in technical viewpoints for developing applications based on OCC. In this paper, the characteristics of recent OCC systems are classified and investigated considering physical characteristics of optical source and detection device, Typical types of OCC systems are examined considering modulation methods, imaging and readout modes, and novel applications. Attracting applications of OCC systems in development are listed.

하플로타입 페이징은 입력으로 주어진 SNP 매트릭스로부터 하플로타입을 결정하는 문제로, 본 논문에서 다루는 PEATH를 포함하여 최근까지도 다양한 하플로타입 페이징 방법들이 제시되고 있다. PEATH는 유전 알고리즘과 토글링(toggling)이라 불리는 휴리스틱을 이용한 하플로타입 페이징 알고리즘으로 많은 계산을 필요로 한다. 본 논 문에서는 PEATH의 수행 시간을 단축시키기 위한 효율적인 구현 방법을 제시하고 실험을 통해 성능을 분석한다. PEATH의 토글링 단계에서는 많은 적합도 계산이 필요한데, 본 연구에서는 계산되는 적합도의 관계를 분석하여, 이전의 계산 결과를 이용하여 적합도를 효율적으로 계산하는 방법을 제안한다. 실험 결과, 제안하는 구현 방법은 PEATH의 수행 시간을 약 12배 개선시켰다.

Haplotype phasing is a problem of, given an SNP matrix as an input, determining its haplotype. Diverse haplotype phasing methods have been proposed. The PEATH is a haplotype phasing algorithm using genetic algorithms and toggling heuristic which require a lot of computation. In this paper we propose an efficient implementation of the PEATH for improving the running time and analyze the performance experimentally. The toggling of the PEATH requires a lot of fitness computations. We analyze the relationship between these fitness computations and propose an efficient implementation of the fitness computations which make use of the previous computation results. The experimental results show that the proposed implementation enhances the running time of the PEATH by about 12 times.

포그 컴퓨팅은 클라우드 기반 IoT 시스템에서 발생하는 네트워크 트래픽 문제를 해결하기 위해 등장한 새로운 패러다 임이다. 현재 대부분의 포그 컴퓨팅 시스템 연구에서는 포그 노드의 역할이 IoT 장치 데이터를 저장해주는 역할만 수 행하고 있어서 중앙 서버의 역할을 대체하여 수행하기에는 역부족이다. 본 논문에서 소개하는 DDS(Data Distribution Service) 기반 포그 플랫폼, DFog(EchoDDS Fog Platform)는 기존 연구에서와는 달리 IoT 장치 데이터 저장뿐만 아니라, IoT 장치의 상태를 모니터링하고 필요에 따라 사용자 또는 관리자 개입 없이 실시간 IoT 장 치 관리 기능을 제공한다. 또한, 중앙 서버를 통해 관리자가 개별 IoT 장치를 연결하고 모니터링할 수 있도록 원격 제 어 기능을 제공함으로써, 대규모 IoT 시스템에 적용할 수 있도록 하였다. 더 나아가, 포그 컴퓨팅 시스템의 유동적인 네트워크 형성을 위해 발간/구독 기반 통신 미들웨어인 DDS를 적용하여 포그 노드 성능과 확장성을 향상시켰다. 이 러한 기능과 성능을 확인하기 위해, IoT 시스템 프로토타입을 구현하였으며, 주요 기능에 대한 검증을 수행하였다.

Fog computing is a new paradigm that has emerged to solve the network traffic problem arising from cloud server based IoT systems. Most of the current fog computing research provide fog nodes with capability of storing IoT data. This is not enough to replace the central server's role for IoT systems. Unlike the previous research, the DDS (Data Distribution Service) based fog platform, DFog (EchoDDS Fog Platform) introduced in this paper, not only stores IoT device data, but also monitors the state of the IoT device and manages the devices realtime without user or administrator intervention as needed. In addition, by providing a remote control function to enable administrators to connect and monitor individual IoT devices through a central server, it is applicable to large-scale IoT systems. Furthermore, the performance and scalability of fog nodes are improved by applying DDS, a publishing/subscription-based communication middleware which forms a flexible network of fog nodes and servers. Prototype IoT systems were implemented using DFog in order to confirm feasibility of these functions and performances.

최근 인공지능 기술의 발달과 더불어 감정인식은 중요한 연구 분야로 대두되고 있다. 기존의 음성, 얼굴을 기반으로 한 감정연구에서 최근에는 보다 객관적인 뇌파 등과 같은 생체신호를 활용하는 연구로 확대되고 있다. 본 연구에서 는 뇌파 데이터를 활용하여 긍/부정에 대한 뇌파에 특징요소를 추출하고, 대표적인 기계학습 분류기인 SVM(Support Vector Machine) 분류기를 활용하여 감정분류를 진행하였다. 뇌파 신호에 대한 전처리를 통하여 몸과 눈의 움직임(eye-blick)과 같은 방해파를 제거하였다. 특징요소 추출을 위하여 전처리된 뇌파 데이터를 10ms 당 데이터의 평균값을 생성하고, 이를 50%로 중첩하는 방법으로 1ms 단위의 이미지를 형성하였다. 추출된 특징요 소는 대표적인 기계학습 분류기인 SVM을 사용하여 감정분류를 진행하였다. 그 결과, 3가지 감정에 대하여 평균 94.6%의 결과를 도출하였다. 본 연구의 결과는 감정분류에 있어서 시계열 데이터를 이미지화하는 방법으로 특징을 추출하였다. 향후 시계열 데이터 처리에 있어서 새로운 특징요소 추출방법으로 활용 가능하며, 또한, 감정을 세분화 하여 다양한 기계학습 알고리즘에 적용할 수 있는 새로운 접근법을 제안한 것에 의의를 둔다.

According to the development of artificial intelligence, emotion recognition has emerged as an important element from psychology to engineering. In the previous research, there are various of materials such as voice, motion, and behaviors. However, these responses have a weakness to identify real emotional states because of making the faking voice or hiding facial expression unlike their emotion as intended by oneself. Some studies related to emotion recognition have extended to study emotion recognition using physiological signals such as electroencephalogram (EEG), electrocardiogram (ECG), skin conductance (SKT) and respiration. In this study, we performed the emotion recognition using SVM (Support Vector Machine) with public open database. The EEG signals conducted the preprocessing for removal to artifacts such as muscle and eye blicks. In the feature extraction, the window size is 10 seconds and 50% overlap and the output image data is produced per 1ms. As a result, we achieved the classification average accuracy of 94.6% among three emotion, positive, negative and calm. In conclusion, this proposed method is a novel approach for deal with time-series data such as voice and physiological signals. Also, we proposed that feature extraction relates to emotion recognition for machine learning.

의료 영상 분야에서 컴퓨터 보조 진단 시스템은 의사의 영상 판독을 보조하기 위한 도구로써 필요성이 점차 증대되 고 있다. 특히, CT 영상에서 악성 종양에 대한 정확한 진단을 위해 보조 진단 시스템이 크게 요구된다. 최근 딥러닝 이 의료 보조 진단 시스템 개발에 도입되면서 획기적인 결과를 보이고 있으나, 실제 임상에서 필요한 높은 일반화 성능을 기대하기에는 여전히 한계가 있다. 낮은 일반화 성능의 주 요인은 훈련 데이터의 부족 및 극심한 불균형이 다. 본 논문에서는 의료 영상 분야 최초로 신뢰도 페털티를 도입하여 높은 정확도로 CT 영상에서 악성 난소 종양을 판별하는 방법을 제안한다. 과적합을 방지하고 일반화 성능을 향상시키기 위해 딥러닝의 마지막 출력에 신뢰도 페널 티를 도입하였다. 마지막 출력 분포의 정규화는 적은 훈련 데이터를 사용하였음에도 불구하고 일반화 성능을 성공적 으로 향상시켰다. 50명의 영상에 대해 실험한 결과, AU-ROC(Area Under the Receiver Operating Characteristics Curve) 점수와 분류 정확도가 각각 0.99, 96%로, 신뢰도 페널티를 추가하기 전보다 정확도가 각각 10%, 20% 향상되었다. 또한 클래스 액티베이션 맵의 가시화를 통해 딥러닝 모델의 예측에 근거를 제시함으 로써 제안한 방법이 실제 임상에서 성공적인 보조적 도구가 될 수 있음을 확인하였다.

Deep learning has been widely developed to provide Computer-Aided Diagnosis(CAD) system in the field of medical imaging. Among the applications, an accurate diagnosis of malignant tumor from CT images is one of the most highly demanded field. Although deep learning is showing groundbreaking results on medical CAD systems, it is still challenging to provide high generalization performance, which is critical for an actual deployment of the system on daily medical diagnosis. The main difficulty arises from the deficiency of training data and extreme class imbalance. In this paper, we propose an accurate classification method for the malignant tumor in ovarian CT images based on preventing overfitting. To avoid the overfitting and improve the performance of generalization, we employed confidence penalty loss to the final output. A regularization on the final output distribution successfully achieved high generalization performance while training with insufficient dataset. In the experiment, AU-ROC(Area Under the Receiver Operating Characteristics Curve) score and classification accuracy marked 0.99 and 96%, which were 10% and 20% improvements, respectively, compared to the loss without the confidence penalty. Moreover, we present a visualization of class activation maps, which provides an explainable results indicating that the proposed method can be a successful measure for a CAD system.