Earticle

전력 에너지 분야에 블록체인 기술이 적용되면 복잡한 거래절차가 단순화되고, 정산의 실시간성과 편리성이 확대될 수 있다. 그에 더하여, 거래 참여에 대한 인증 절차가 블록체인을 통해 간소화될 수 있다. 이러한 장점은 프로슈머들 로 하여금 참여에 대한 흥미를 불러올 수 있으며, 작은 단위의 잉여전력도 판매할 수 있어 탄소배출 절감하는 데 도 움이 된다. 하지만 앞서 언급한 새로운 비즈니스에 적용될 전력 데이터를 저장할 때 이더리움 블록체인의 성능 향상 은 반드시 필요하다. 본 연구에서는 이더리움의 저장공간을 효율적으로 활용할 수 있는 전력 데이터의 수직 결합기 법을 제안하고, 성능 실험을 통해 사용 수수료인 가스(Gas)가 최대 7.8배 이상 절감되는 것을 확인하였다.

When blockchain technology is applied to the power and energy field, complex transaction procedures can be simplified and the real-time and convenient settlement of accounts can be expanded. In addition, the authentication process for trading participation can be simplified through blockchain. These advantages can arouse interest in participation by prosumers and can be expected to help reduce carbon emissions as small units of surplus power can be sold. However, it is essential to improve the performance of the Ethereum blockchain when storing power data for the this new business. In this study, we propose a method of vertical merging power data that efficiently utilizes the storage space of Ethereum. Our experimental results show that the gas which is usage fee, is reduced by up to 7.8 times or more.

최근 환자 의료 데이터를 바탕으로 환자 맞춤형 정밀의료를 수행해 더 나은 치료를 수행하려는 시도가 이어지고 있 다. 그중에서도, 유전자 분석의 비용과 시간이 감소함에 따라 유전체 기반 맞춤 치료 연구가 활발하다. 그러나 암세 포마다 수 천개 존재하는 유전자 변이들의 효과를 직접 파악하는 것은 어렵기 때문에 기존 기법들은 환자 데이터로 부터 통계적 연관성에 기반해 분석을 수행한다. 본 연구는 더 나아가 특정 항암치료의 효과를 높이는 유전자 변이를 탐색하고 중요도에 따라 순위를 매기는 기법을 제안한다. 이를 위해서 개별 유전자가 환자 치료에 미치는 영향을 정 량화하기 위해 비례위험모형 기반의 치료함수를 설계하고, 강화학습 기반의 특징 선택 기법을 도입해 수많은 후보로 부터 유효한 유전자를 추출한다. 분석 결과 제안한 알고리즘은 의학적 지식 없이도 유효한 유전자 변이를 탐색할 수 있음을 보인다.

Recently, there has been an increasing number of attempts to perform the better treatment by performing patient-specific precision medicine. Genome-based customized treatments, one of the representative precision medicines, are receiving much attention as the cost and time of genetic analysis are dramatically decreased. However, since it is challenging to directly grasp the effects of thousands of gene variants present in cancer cell, existing methods perform analysis based on statistical associations from patient data. This study proposes a novel technique for finding gene variants which increase the effectiveness of treatment and ranking them according to their importance. In order to quantify the effect of individual genes on patient treatment, we design the Treatment Effect function based on a proportional hazard model. A feature selection technique based on reinforcement learning is introduced to extract effective genes from numerous gene candidates. We verify that the proposed algorithm can find effective gene variants without any medical knowledge and statistical analysis techniques.

비디오 서버는 데이터 손실을 방지하기 위해 데이터에 중복 (redundancy) 기법을 적용한다. 중복 방식은 복제 (replication)과 에러복구코드 (erasure code) 2가지가 있다. 복제기법은 필요한 추가 데이터를 위한 저장공간이 크나, 데이터 복구시 읽기 대역폭이 요구량이 작다. 에러복구코드는 추가 데이터 저장 공간을 절약할 수 있지만 읽 기 대역폭이 많이 소모한다. 따라서, 2가지 기법을 이용하여 추가 데이터 스토리지 공간 한도 안에서 읽기 대역폭을 줄이는 것은 매우 중요하다. 본 논문에서 파일의 인기도와 크기를 기반으로 필요한 추가 데이터 저장 공간, 읽기 대 역폭을 고려해서 파일별 중복 옵션을 선택하는 알고리즘을 제안한다. 이를 위해서 중복 옵션 선택 문제를 공식화하 고, 추가 데이터 저장 공간, I/O 대역폭, 비디오 접근률 분포, 비디오의 크기 및 적용하는 RS 코딩 옵션의 측면에서 제안한 알고리즘과 다른 2가지 알고리즘의 결과를 비교하였다.

Video servers use data redundancy techniques to prevent data loss. The redundancy technique includes replication and erasure code. Replication requires a large amount of data storage space but the read bandwidth for data recovery is low. However, the erasure code scheme reduces extra data storage space but consumes a large amount of read bandwidth. It is important to combine these two methods effectively to reduce read bandwidth within the limitation of additional data storage space. This paper presents an algorithm to select the redundancy option for each file, considering the tradeoff between additional data storage space and read bandwidth required, based on the popularity and size of the file. To this end, we formulate the redundancy option selection problem, and compare the results of the proposed algorithm with those of other two algorithms in terms of additional data storage space, I/O bandwidth, video access rate distribution, video size and RS coding options.

최근 4차 산업 혁명으로 인해 공장에서는 기계 시설물의 고장으로 인한 제조 및 생산 시간 증가와 수리비용 증가를 최신 기술을 통해 예방하고자 한다. 그리하여 연구자들은 안전사고 및 고장을 예지(豫知)하고, 제품 불량 등으로 인 한 시민 불편, 사회적 혼란 등의 문제를 방지하기 위해 노력하고 있다. 이런 문제 해결을 위해 장비에 부착된 센서로 부터 받은 데이터를 통해 기계 상황을 모니터링 및 예측 가능한 시스템이 요구된다. 본 논문에서는 기계설비에서 생 성되는 시계열 데이터를 다양한 딥러닝 기반의 시계열 분류 모델에서 비교분석을 수행하였다. 총 13개의 모델을 사 용하여 어떤 딥러닝 모델이 학습에 효율적이고 성능이 좋은지 실험을 수행하였고, 시계열의 복잡한 패턴과 시간 및 공간 패턴을 효과적으로 학습하는 CNN 계열 모델이 정확도, 정밀도, 재현율, F1 성능지표에서 100% 성능을 달 성하여 우수한 것을 확인할 수 있었다. 기존까지 진동 시계열 데이터에 대해 다양한 딥러닝 모델의 비교분석이 연구 는 없었기에 본 논문의 결과를 통해 다른 기계 시설물의 고장 분류에 있어서 도움이 될 것이라 예상된다.

Due to the recent Fourth Industrial Revolution, factories want to prevent the increase in manufacturing and production time and repair costs due to the failure of mechanical facilities through the latest technology. Therefore, researchers are trying to predict safety accidents and failures, and to prevent problems such as civil inconvenience and social confusion caused by product defects. To solve this problem, a system that can monitor and predict the machine situation through data received from sensors attached to the equipment is required. In this paper, comparative analysis was performed on time series data generated in machine facilities in various deep learning-based time series classification models. A total of 13 models were used to experiment with which deep learning models were efficient and performing well, and the models that effectively learned time and space patterns of time series recorded 100% performance in accuracy, precision, reproducibility, and F1 performance indicators. Since there have been no studies on the comparative analysis of various deep learning models for vibration time series data until now, the results of this paper are expected to help in classifying failures in other mechanical facilities.

비디오에서 이상 탐지(Anomaly detection)란 영상 프레임에서 보이는 비정상(Abnormal)적인 행위 또는 상황을 인식하는 것을 의미하며, 사고를 예방하거나 대응하는 기술로 발전이 가능하다. 본 논문에서는 연속되는 프레임의 시공간적인 특징을 동시에 학습하는 3D CNN과 자동으로 특징을 압축하고 복원하는 오토인코더(Autoencoder)를 활용하여 비디오에서 이상 상황을 탐지하는 시스템을 제안한다. 또한 저해상도(Low Resolution) 이미지를 고해상 도 이미지(High Resolution) 이미지로 변환시키는 영상 초해상화(Image Super Resolution, ISR) 기법을 적용 하여 모델의 성능이 데이터 전처리의 과정에 따라 어떻게 변화하는지를 살펴보았다. 본 논문은 UCSD 데이터셋을 사용하여 시각적 이상 탐지 성능 비교 실험을 수행하였으며 실험 결과는 고해상도 이미지를 이용한 3D CNN 기반 오토인코더의 감지 능력이 다른 기법들에 비해 우수함을 보여준다.

Anomaly detection in video is recognizing an abnormal behavior or situation in frames, and it can be developed as a technology to prevent or respond to accidents. In this paper, we propose a system for detecting anomalies in video using a 3D CNN that learns spatio-temporal features of normal frames and an autoencoder that automatically compresses and restores features. Also, by applying the Image Super Resolution(ISR) technique, which converts a low-resolution image into a high-resolution image, we examined how the performance of the model changes according to the data preprocessing process. The performance of the proposed model was measured using the UCSD dataset and the experimental results show that the 3D CNN-based autoencoder using high-resolution images is superior to other techniques.

인공지능 기반 반려동물 피부영상 진단기술은 전세계적으로 아직 초기단계에 머물러 있다. 특히 풍성한 털로 덮인 반려동물의 피부영상에서 털을 제거하는 것은 해결되지 않은 기술적 난제로 남아 있다. 본 논문은 반려동물 고배율 피부영상에서 털 제거를 위한 필수적인 전처리 단계로서 털 영역을 분할하기 위해 딥러닝 모델인 U-net과 LadderNet의 적용 가능성을 시험하고 기존의 영상처리 기반 털 영역분할 알고리즘과 성능을 비교 분석한다 (Ronneberger et al. 2015, Zhuang 2018). 반려동물 피부영상 뿐만 아니라 사람 피부영상, 가짜털을 생성한 합성영상을 이용하여 딥러닝 모델을 훈련한 효과도 분석하였다. 실험 결과, 반려동물 피부영상 데이터셋을 사용하여 훈련된 LadderNet이 반려동물 피부영상에 대하여 기존 영상처리 기반 방법 및 U-net보다 더 높은 F1-score, 정 확도 및 AUC 값을 보였다. 반면 합성영상을 사용한 모델 훈련은 실제 피부영상에 대해서는 성능 개선 효과가 없었 지만 합성영상에 대해서는 좋은 성능을 보였다.

Artificial intelligence technologies for pet skin image diagnosis is still in its infancy. Especially, it remains unsolved to remove abundant hairs from pet skin images. In this paper, we evaluated the applicability of two deep learning models, including U-net and LadderNet, for hair segmentation as an essential preprocessing step for hair removal in pet microscopic skin images, and we compared their performance with an existing method based on image processing. In particular, those models were trained not only with pet and human skin images but also with synthetic skin images of fake hairs. In experimental results, the performance of LadderNet for hair segmentation in pet skin images, measured as F1-score, accuracy and AUC, was superior to U-net as well as the image processing method when it was trained with the pet skin image dataset. On the other hand, training both models with synthetic skin images was effective not in real skin images but in synthetic skin images.

최근 태양광 발전소 유지보수를 위해 태양광 모듈의 상태를 촬영하여 이미지 처리 분석하는 연구들이 진행되고 있 다. 이러한 연구들은 모듈영역의 온도 분포를 얻어서 열화상태를 진단하는 내용으로 정확한 태양광모듈 영역을 도출 하여야 하는 전제조건을 갖는다. 태양광 발전소의 열화 모듈 검색을 왜곡이 심한 카메라로 촬영할 경우 이미지 처리 과정이 복잡하고 분석의 난해성이 발생한다. 이를 해결하기 위한 카메라 행렬 도출이 필요하다. 본 논문에서는 카메 라 캘리브레이션이 이루어지지 않은 상태에서 얻어진 왜곡된 이미지를 보정하는 방법을 제안한다. 제안하는 방법은 태양광 모듈의 물리적 좌표를 도출, 모듈 가장자리의 이미지 좌표 도출, 도출된 값을 이용하여 캘리브레이션 수행을 통한 카메라 행렬 추출과 왜곡 보정 등으로 진행된다. 태양광 모듈의 물리적 좌표는 태양광 모듈의 직사각형 형태, 특정 모듈의 반복 배치, 등간격 설치 등의 특성을 이용하여 도출하고, 모듈 가장자리의 이미지 좌표값은 간단한 이 미지 처리와 수동 조작을 통해 획득하고, 도출된 값을 이용하여 캘리브레이션을 수행한다. 최종적으로, 왜곡된 이미 지를 보정이미지로 바꾸는 실험을 통해 제안한 카메라 행렬 추출과 이미지 보정 방법의 효과를 평가한다.

Recently, for the maintenance of a photovoltaic power plant, researches on photographing the state of a photovoltaic module and analyzing the image are being conducted. These studies have a prerequisite to derive an accurate photovoltaic module area with the contents of diagnosing the deterioration state by obtaining the temperature distribution of the module area. If the search for the deterioration module of a photovoltaic power plant is photographed with a camera with severe distortion, the image processing process is complicated and the analysis is difficult. To solve this problem, it is necessary to derive a camera matrix. In this paper, we propose a correction method for distorted images taken without camera calibration. The proposed method proceeds by deriving the physical coordinates of the photovoltaic module, deriving the image coordinates of the module edge, and extracting the camera matrix and correcting the distortion through calibration using the derived values. The physical coordinates of the photovoltaic module are derived using characteristics such as the rectangular shape of the photovoltaic module, repeated arrangement of specific modules, and equally spaced installation, and the image coordinate values of the module edges are obtained through simple image processing and manual operation, Calibration is performed using the derived values. Finally, the effect of the proposed camera matrix extraction and image correction method is evaluated through the experiment of changing the distorted image to the corrected image.

Raft는 하이퍼레저 패브릭 블록체인 프레임워크 내에서 클라이언트의 트랜잭션 요청을 기록하는 순서를 결정하고 복제 서버의 데이터 일치성을 보장하는 오더링 서비스를 제공하기 위한 것이다. 분산 합의 알고리즘인 Raft는 클러 스터로 구성된 여러 복제 서버에서 동작한다. 이 실용적인 합의 알고리즘의 성능과 안전성을 분석하기 위한 여러 연 구가 있었으나, 가용성의 측면에서는 아직 충분한 고려가 없었다. 본 연구는 주 서버 노드 역할을 하는 리더의 결함 에 의해 서비스가 중단되고 새로운 리더가 선출되어 서비스가 재개될 때까지의 복구 시간을 단축하는 것을 목표로 진행되었다. 본 논문에서 제시하는 개선안은 알고리즘의 상태 전이 단계에 리더와 팔로워 그리고 후보 상태 외에 페 이버릿이라는 새로운 상태를 추가한 것이다. 다섯 개의 복제 서버로 구성되는 시스템을 원래 Raft 알고리즘과 페이 버릿 Raft 알고리즘 두 가지로 구현하고, 실험을 통하여 두 알고리즘의 응답 시간을 측정하였다. 또한 결함 탐지와 복구 과정에서 중요한 역할을 담당하는 제한시간의 범위를 정하는 방안을 제시하였다. 제안한 알고리즘은 원래 Raft 알고리즘에 비하여 8% 정도의 복구 시간 개선 효과를 나타내었다. 실험에서 관측된 데이터를 면밀하게 분석 하여 제시된 알고리즘의 실효성을 입증하였다.

Raft is to provide the ordering service for Hyperledger Fabric blockchain framework, which determines the recording order of transaction requests from clients and supports the data consistency among replicated servers. As a distributed consensus algorithm, Raft runs on multiple replicated servers composing a cluster. Although some research works were presented to analyze the performance and safety of the practical consensus algorithm, its availability has not been fully considered yet. This research has been conducted with a goal of reducing the recovery time from the service interruption due to a faulty leader until the resumption of service by a newly elected leader. An improvement proposed in this paper introduces a new state called ‘Favorite’ into the state transition of the algorithm in addition to the leader, follower, and candidate states. Both original and ‘Favorite’ Raft algorithms were implemented with five replicated servers, and the response times were measured in the experiments. A guideline to determine the range of the timeout values which plays an important role in the procedure of fault detection and recovery was also suggested in the paper. Compared to the original Raft algorithm, the proposed algorithm showed about 8 percent of improvement in recovery time. We have demonstrated the effect of the proposed algorithm by a thorough analysis on the data observed in the experiments.

최근 보안 업계에서 새롭게 화두가 되고 있는 XDR(eXtended Detection and Response)은 엔드포인트 와 네트 워크 영역의 모든 정보에 대한 통합 연계 분석을 통하여, 기업 내 보안 목표를 보다 효과적 으로 달성할 수 있는 솔 루션이다. 그러나, XDR에서 추구하는 통합 연계 분석을 위해서는 기업내 에서 운영되는 이기종 보안 솔루션들 간 의 서로 다른 프로토콜과 정보 저장 방식의 문제를 해결해야 한다. 서로 다른 형태의 데이터를 통합하고 이를 분석 하기 위한 얼라이언스와 통합 레이블링 등의 표준화를 제안한 연구들이 있지만, 연동하는 모든 보안솔루션이 표준 API를 기반으로 개발되어야 하는 현실적인 어려움이 존재한다. 이 문제를 해결하기 위해 본 논문에서는 다양한 보 안솔루션 데이터 중에서 가장 기본적이고 필수적인 데이터인 비정형 로그를 중심으로 계층적 구조 기반의 데이터 정 규화 방법을 제안한다. 공통적인 CODE와 Corpus로 구성한 정규화 모델 알고리즘으로 정제된 비정형로그 데이터 는 계층적 구조를 가지는 정규화된 데이터 형태로 출력된다.

XDR(eXtended Detection and Response) is a new topic in the security industry. It is a solution to achieve security goals within the enterprise more effectively through integrated linkage analysis of all information in the endpoint and network area. However, for the integrated linkage analysis of XDR, it is necessary to solve the problem of different protocols and information storage methods between heterogeneous security solutions operated within the enterprise. Standardization approaches such as alliance and unified labeling to integrate and analyze different types of data have been proposed. However, those approaches suffer from some practical difficulties that all interworking security solutions are developed based on standard APIs. To overcome the difficulties, in this paper, we propose a new method to normalize the hierarchical structure-based data of the unstructured log, which is the most basic and essential data in the security solution data. The unstructured log data refined through the normalization model algorithm composed of common CODE and Corpus is output in the form of normalized data having a hierarchical structure.