Earticle

2023년 현재 원격 의료 정보 시스템(Telecare Medical Information System)에 관한 다수의 인증 방식들이 제 안되고 있으며, 여기서 TMIS란 환자가 병원에 가지 않고도 의사의 진료를 원격으로 받을 수 있는 서비스를 말한다. 2020년에 Kim은 TMIS을 위한 인증 방식을 제안하였으나, 사용자의 ID를 공개 메시지로 사용하여 사용자의 익명 성을 제공하지 못한다. 그러나 TMIS는 사용자의 의료 정보를 다루기 때문에 사용자의 익명성은 필수적이다. 본 논 문에서 Kim의 인증 방식을 분석한 결과, 그의 인증 방식은 생체정보의 특성을 고려하지 않고 스마트카드의 주인을 인증하기 때문에, 정당한 카드의 주인이라 할지라도 정당한 사용자로 검증되지 않는 문제가 존재한다. 그래서 본 논 문에서는 이러한 문제점을 해결하기 위하여 개선된 인증 방식을 제안한다. 본 논문에서 제안한 인증 방식은 사용자 익명성을 제공할 뿐만 아니라, 사용자측에서의 계산 복잡도와 전송 메시지 효율성도 함께 이룬 향상된 사용자 인증 방식을 제안한다. 또한 본 논문에서 개선한 인증 방식은 비공식적인 방법을 사용하여 안전성 분석 결과, 스마트카드 분실 공격, 패스워드 추측 공격 등 다양한 공격에 안전한 것으로 분석되었다. 그러므로 본 논문에서 제안한 개선 방 식은 TMIS을 위한 안전한 사용자 인증 방식으로 사용할 수 있다.

As of 2023, a number of authentication schemes for the Telecare Medical Information System have been proposed, where TMIS refers to a service that allows patients to receive medical treatment remotely without going to a hospital. In 2020, Kim proposed an authentication scheme for TMIS, but the user's ID that is not used as a public message is not provided the user's anonymity. However, since TMIS deals with users' medical information, user anonymity is essential. As a result of analyzing Kim's authentication scheme in this paper, his authentication one authenticates the owner of the smart card without considering the characteristics of biometric information, so even the owner of the card is not verified as a legitimate user. Therefore, this paper proposes an improved authentication scheme to solve these problems. The authentication scheme proposed in this paper not only provides user anonymity, but also proposes an improved user authentication scheme that combines computational complexity and transmission message efficiency on the user side. In addition, the improved authentication scheme in this paper was analyzed to be safe for various attacks such as smart card loss attack, password guessing attack etc using informal methods. Therefore, the improvement scheme proposed in this paper can be used for secure user authentication one for TMIS.

의료영상 데이터를 이용한 의료 시뮬레이션 시스템은 피부조직과 같은 장기의 실제 거동을 모방하기 위해 물리 연산 이 필요하다. 의료 시뮬레이션 프로그램은 크기가 큰 데이터를 사용하므로 연산 속도에 대한 제약을 받는다. 본 논 문에서는 정밀성과 속도를 적절히 고려하여 위치 기반 역학(Position Based Dynamics, PBD) 기반의 시뮬레이 션을 실행한다. 그리고 GPU 병렬 처리를 통해 PBD를 고속으로 움직임을 계산할 수 있도록, Nvidia의 CUDA C/C++를 기반으로 프로그램을 구현하였다. 병렬화 과정에서 발생하는 반복되는 커널 실행의 비효율성 문제를 스 레드 독립성을 이용하여 해결하였고, 변형체 해상도에 따른 성능 변화를 CPU와 GPU별로 비교하였다. 또한, CPU 및 GPU를 사용한 병렬 처리에서 병렬성의 한계를 검토하였다. GPU 병렬 처리를 통해 CPU 병렬 처리에서는 불가 능한 큰 변형체에 대한 시뮬레이션의 대화적 시간의 확보에 성공하였다.

A simulation system using medical image data requires calculation to imitate the actual behavior of an organ such as skin tissue. Medical simulation programs have a problem in that they take a long calculation time because they use large amounts of data. In this paper, we conducted a simulation based on Position Based Dynamics(PBD) with consideration of precision and speed. In addition, we programmed a simulation system based on Nvidia's CUDA C/C++ so that PBD can be calculated at high speed through GPU parallel processing. Using thread independence property, we addressed efficiency of iterative kernel launch in the parallelization process and we compared the performance of CPU and GPU according to the resolution of the deformable object. In addition we examined the efficiency limitations of parallel processing in CPU and GPU. With GPU parallel processing, we succeeded in securing interactive time for simulations on medical deformable object that are not possible in CPU parallel processing.

자율 주행 차량에서 멀티모달 기반 의미론적 세분화 작업은 저조도 및 빛 번짐과 같은 제한적인 환경에서도 주행로 를 인식하고 장애물을 회피하기 위한 기본 기능이다. 이를 위해 제안된 기존의 멀티모달 기반 의미론적 세분화 모델 들은 장면 인식을 위해 가시 카메라의 RGB 영상과 열화상 카메라의 Thermal 영상을 사용하여 장면을 인식한다. 그러나 기존의 모델들은 서로 다른 두 모달리티에서 입력되는 영상이 어떠한 경우에도 훼손되지 않는다는 것을 가정 한다. 본 논문에서 우리는 최첨단 멀티모달 기반 의미론적 세분화 모델 조차 모달리티 가려짐과 같은 강력한 모달리 티 훼손 조건에서 단일 모달리티 성능을 유지하지 못하고 극도의 성능 저하에 직면하는 것을 발견한다. 더 나아가, 우리는 해당 문제를 해결하기 위해 모달리티 누락을 대비한 단일 모달리티 안정화 학습을 제안한다. 실험 결과 제안 된 방법은 극도의 모달리티 훼손 조건에서도 기준선 모델에 비해 최대 8.9 mIoU의 성능 향상을 달성한다.

In autonomous vehicles, multimodal-based semantic segmentation is a basic function for recognizing driving area and avoiding obstacles even in limited environments such as low light condition and blurry light. To achieve this, the proposed existing multimodal-based semantic segmentation models recognize the scene using RGB images from visible cameras and thermal images from thermal cameras. However, the existing models assume that the images captured from the two different modalities are not corrupted in any case. In this paper, we found that even the state-of-the-art multi-modal based semantic segmentation models fail to maintain single modality performance in strong modality corruption, such as modality occlusion. Furthermore, we propose single modality stabilization learning in preparation for missing modality to solve this problem. Our experimental results show that the proposed method achieves a performance improvement of up to 8.9 mIoU compared to the baseline model even under extreme modality-damaging conditions.

복제 상태 기계에서 고장이 발생한 후 시스템이 원래의 상태로 돌아가기 위해서는 수리한 서버를 재가동하고 비가동 시간 동안에 변화한 정상 복제의 최신 상태로 업데이트하는 과정이 필요하다. 정보 업데이트를 마치고 나면 재합류 하려는 서버를 포함하는 새로운 멤버십이 복제 서버들에 의해 합의되도록 해야 한다. 이러한 재구성 과정에서 사용 자의 응답 시간 지연이 발생하지 않도록 하는 것은 고가용도 시스템의 중요한 요건 중의 하나이다. 본 논문에서는 허가형 사설 블록체인 플랫폼인 하이퍼레저 패브릭에서 트랜잭션을 정해진 순서대로 정렬하는 오더링 서비스를 위 한 복제 서버를 대상으로 한다. 이에 적용할 목적으로 개발한 복구 및 재구성 기법의 설계 및 구현을 통한 성능 분석 을 제시한다. 재구성 과정에서 사용자의 요청에 대한 응답 시간의 지연을 최소화할 목적으로 기존의 프라이머리 리 더 외에 제2의 프라이머리의 역할을 하는 페이버릿이라는 상태를 추가하였다. 상태 업데이트를 여러 단계로 나누어 진행하는 방식과 그룹의 멤버십의 합의 과정에 비잔틴 합의 방식을 적용하여 구현하였다. 기존의 접근 방식과 비교 하여 사용자 응답 지연을 현저하게 줄일 수 있음을 실험을 통하여 확인할 수 있었다.

After the occurrence of a failure in a replicated state machine, in order for the system to return to its original state, it is necessary to restart the repaired server and then update it to the latest state of the normal replica that changed during the downtime. After completing the information update, new membership, including the server to rejoin, should be agreed by the replicated servers. One of the important requirements for high-availability systems is to prevent user response time delays during this reconfiguration process. This paper targets a replicated server cluster of Hyperledger Fabric, a permissioned private blockchain platform, that provides the ordering service recording transactions in a fixed order. This paper presents a performance analysis through the design and implementation of recovery and reconfiguration techniques developed for the purpose. In order to minimize the delay in response time to users' requests during the reconfiguration process, in addition to the existing primary leader, we adopted a new state called favorite that acts as a secondary primary. A fragmented state update method and the Byzantine consensus method for the group's membership agreement process were applied for the implementation. Experiments have shown that user response delays can be significantly reduced compared to the existing approaches.

본 연구의 목적은 반려동물의 건강을 모니터링하기 위한 IoT 기반의 생체신호 모니터링 시스템을 개발하는 것이다. 이전 연구들은 주로 사람을 대상으로 한 생체신호 무구속 측정에 초점을 두었으며, 반려동물 관련 연구는 대부분 구 속된 환경에서 연구되어 왔다. 따라서 무구속 반려동물 생체신호 측정 시스템인 본 연구는 반려동물의 건강 모니터 링을 위한 차별화된 연구 방법을 제시하고, 반려동물의 편안함과 복지를 고려한 연구이다. 본 연구에서는 두 개의 센서를 사용하여 체온, 심박수, 산소포화도 데이터를 측정하였으며 구속형 디바이스와 무구속형 디바이스를 비교 실 험하였다. 구속형 디바이스는 반려견 가슴줄에 부착하여 24시간 동안 15분마다 모니터링하였으며, 무구속 디바이 스는 보정 알고리즘을 적용하여 같은 반려동물에게 같은 날 10시와 22시에 측정하였다. 실험 결과 두 디바이스 간 거의 동일한 결과가 나와 본 연구의 유용성을 확인하였다. 본 연구에서는 반려동물의 건강 상태를 모니터링하는 동 안 반려동물에게 불필요한 스트레스를 주지 않고, 일상생활에 방해되지 않는 형태의 측정 기술과 방법을 제시하였 다. 이러한 무구속 디바이스를 이용한 반려동물의 생체신호 측정은 보호자의 편의성을 높이고 반려동물의 편안함을 존중하는 관점에서 매우 유용한 방법임을 확인하였다. 이를 바탕으로 산업 동물 등 다양한 포유류로 범위를 확대해 연구를 계속 이어나갈 예정이다. 나아가 본 연구는 반려동물의 건강과 복지 향상에 도움이 되며, 반려동물을 보호하 고 관리하는 더 나은 방법을 제시할 것으로 기대된다.

The purpose of this study is to develop an IoT-based bio-signal monitoring system for checking the health status of companion animals. Previous research has primarily focused on non-constrained bio-signal measurements for humans, while studies related to companion animals have mostly been conducted under constrained environments. This study introduces a novel approach by developing a non-constrained bio-signal measurement system that takes into account the comfort and welfare of the animals. In this study, body temperature, heart rate, and oxygen saturation data were compared between restrained and unrestrained devices using two sensors. The restrained device is attached to the animals' chest straps, measuring data every 15 minutes and monitoring for 24 hours. The non-constrained device to which the correction algorithm was applied was measured at 10:00 and 22:00 on the same day for the same companion animal. The results shows consistent results between the two devices which confirms the validity of our method. In this research, novel measurement techniques are presented, which minimizes the stress on companion animals without disrupting their daily activities. Based on this, we plan to continue our research by expanding the scope to various mammals such as industrial animals. Moreover, this research is expected to contribute to the improvement of companion animal health and welfare, providing better ways to protect the basic rights of the companions.

본 논문에서는 5G의 전세계적인 구축과 함께 새로운 산업으로 관심받고 있는 사설 통신망에 대해서 살펴본다. 이를 위해 사설통신망의 산업별 및 지역별 구축 상황을 파악하고, 5G 기반의 사설통신망의 기술적 특성을 분석한다. 또 한 각 국가의 주파수 분배현황을 저주파 대역, 중간 주파수 대역 그리고 고주파 대역으로 나누어 살펴보고 사설 통신망의 도입배경과 4가지 구축모델의 특성을 비교 분석한다. 또한 사설통신망의 활성화를 위하여 제시되고 되는 다양한 응용사례를 자율주행로봇, 제조환경에서의 무선기술 대체, 머신 비젼, 로봇차량, 의학분야 및 원격 협진 등 의 다양한 분야를 중심으로 지금까지의 현황을 파악하고 향후 신규 응용분야의 발굴과 관련된 이슈를 도출하고 해결 방안을 모색한다. 응용사례의 분석과 더불어 세계적으로 여러나라에서 진행되고 있는 주요 기술적 실증사례를 비교 분석하여 향후 개발해야할 주요 기술적사항을 MEC, 스몰셀 및 오픈랜 기술관점에서 살펴보고 이에 대한 추진방향 을 제시하고자 한다.

IIn this paper, we will look at the private network that is attracting attention to the new industry with the global construction of 5G. To this end, the private communication network's industrial and regional construction situation is identified and the technical characteristics of the private communication network based on 5G are analyzed. In addition, the frequency distribution status of each country is divided into low frequency band, intermediate frequency band, and high frequency band and the characteristics of the four building models are compared with the background of the introduction of private communication networks. In addition, the various applications to activate the private communication network will be analized to identify the current status related to the various fields such as autonomous driving robots, the replacement of wireless technology in the manufacturing environment, machine vision, robotic vehicles, medical field, and remote cooperation. We would like to compare the major technical empirical cases that are being conducted in many countries globally with the analysis of applied cases, and to review the major technical aspects that should be developed in the future and suggest the direction of the technology in MEC, Small Cell and OpenLAN.

급격하게 증가하는 음악화일의 효율적인 검색을 위해서는 신뢰있고 세분화 된 메타데이터가 요구된다. 특히, 음악을 듣는 주요 동기가 기분전환, 추억 등의 감성적 효과를 얻기 위함이므로 음악의 장르적 분류와 함께 감성적 분류도 매우 중요하다. 하지만 모든 감성 관련 응용에서 그렇듯이 사용자의 감성에 맞지 않는 분류나 추천을 주었을 때 그 결과는 다른 오류에 비교하여 더 큰 사용자의 반감과 실망을 초래하기에 감정인식의 정확도는 결정적이다. 전통적인 기계학습 모델에 더하여 최근에는 다양한 심층신경망 모델이 적용되면서 많은 연구 결과들이 보고되고 있다. 하지만 그 모델들의 정확도는 사용된 데이터셋에 제한적일 수 밖에 없고 일반화된 성능평가를 위한 벤치마크 데이터셋에 대 한 보고는 아직 없다. 본 논문에서는 음악 감성과 장르 분류를 위한 표준 데이터셋 구축을 위하여 소수 전문가가 아 닌 다수 일반인의 온라인 라벨링을 통하여 데이터셋을 구축하고, MPEG-7 오디오 표준에 따르는 특징값들을 추출 하였으며, 통계 및 인공신경망 기반의 다양한 기계학습 모델을 적용하여 자동 분류를 수행하고, 그 결과를 통해 제 안된 데이터셋의 적합성을 평가한다.

Reliable and refined metadata are required for efficient search of rapidly increasing music files. In particular, since the main motive for listening to music is to obtain emotional effects such as mood change and memories, emotion classification along with genre classification of music is very important. However, as in all emotion-related applications, the accuracy of emotion recognition is crucial because when a classification or recommendation that does not fit the user's emotion is given, the result will cause greater user's antipathy and disappointment compared to other errors. In addition to traditional machine learning models, various deep neural network models have recently been applied and many research results have been reported. However, the accuracy of the models is inevitably limited to the dataset used, and benchmark datasets for generalized performance evaluation have not yet been reported. In this paper, as an initial approach towards a “ground-truth” dataset for music emotion and genre classification, we constructed a dataset through labeling of a large number of ordinary people rather than a small number of labellers and extracted features according to MPEG-7 audio standard. Different machine learning models based on statistics and artificial neural network are applied to automatically classify the datasets and we evaluated the suitability of the datasets through the classification results.