Earticle

본 연구에서는 인공지능 기반의 음성 합성 기술에 이미지 생성의 접근법을 적용하여 부드러운 음성 합성 방법을 제 안한다. 이미지 생성 모델 중 Implicit Generative Model에서 잠재 공간 내 두 잠재 벡터를 보간한 보간 벡터로 이미지를 생성할 때 두 잠재 벡터의 이미지 사이에서 부드러운 전환이 일어나는 특징을 두 음성 합성에 활용하였다. 음성 데이터는 푸리에 전환(Fourier Transform) 등 전처리를 하지 않고 이미지 형태로 재구성하여 사용하여 정보 손실을 줄이고 생성 성능을 높였다. 모델은 Implicit Generative Model 중 DCGAN(Deep Convolution Generative Adversarial Nets)과 DDIM(Denoising Diffusion Implicit Model) 을 학습시켰으며 선형 보간 법, 구형 보간법을 활용하여 생성한 두 음성 사이의 부드러운 전환 효과를 실험하여, 부드러운 음성 전환을 목적으 로 하는 효과적인 모델과 보간 방법을 찾고자 한다. 실험 결과, DCGAN은 다양한 보간법으로 부드러운 음성 전환 이 확인되었지만, 음성 품질 면에서 떨어졌다. 반면 DDIM은 생성된 음성의 품질은 우수하였으나 구형 보간법에서 만 성공적인 전환이 이루어짐을 확인하였다. 본 연구에서 영상을 활용한 부드러운 음성 전환에 DDIM과 구형 보간 법 조합이 최적의 음성 합성 효과임을 보여주었다.

This paper proposes a soft audio synthesis method by applying an approach of image generation to audio synthesis technology. Using the Implicit Generative Model among the image generation models, we utilized the feature where a smooth transition occurs between the images of the two latent vectors when generating an image with the interpolated vector interpolated between two latent vectors in the latent space. Audio data was reconstructed and used in image form without preprocessing such as Fourier Transform to reduce information loss and increase generation performance. The models trained were DCGAN(Deep Convolution Generative Adversarial Nets) and DDIM(Denoising Diffusion Implicit Model). By experimenting with the smooth transition effects created using linear interpolation and spherical interpolation between the two audios, we aim to find an effective model and interpolation method for smooth audio transitions. As a result of the experiment, DCGAN confirmed a smooth audio transition with various interpolation methods, but fell in terms of audio quality. On the other hand, DDIM confirmed that the quality of the generated voice was excellent, but that the conversion was successful only in the spherical interpolation method. This study concluded that the combination of DDIM and spherical interpolation resulted in the optimal audio synthesis effect.

최근 인공지능 연구에서 트랜스포머 모델이 주로 사용되고 있다. 트랜스포머 구조는 합성곱 신경망에 비해 더 많은 가중치를 학습시킬 수 있으므로 다양한 연구에서 기본 구조로 사용되고 있다. 그러나 트랜스포머는 대규모 데이터를 활용하여 학습해야 한다는 한계가 있다. 그로 인해 데이터가 한정적인 의료 분야에서는 트랜스포머 구조 적용에 어 려움이 있다. 따라서, 본 연구에서는 제한된 의료 데이터셋으로도 트랜스포머를 학습할 수 있는 융합 구조를 제안한 다. 융합 구조는 트랜스포머 인코더와 합성곱 신경망 디코더를 결합함으로써, 학습 과정에서 트랜스포머 인코더가 안정적으로 수렴할 수 있게 하고, 영상 내의 전역적 특징과 지역적 특징을 모두 학습할 수 있게 한다. 또한, 빠르고 안정적인 영상 분할 학습을 위해 세 가지의 손실함수를 결합한 손실함수를 이용한다. 본 연구에서는 두 개의 대장내 시경 용종 데이터셋을 사용하여 제안하는 구조의 우수성과 안정성을 검증한다. 융합 구조는 용종 분할과 같은 의료 영상 분할 외에도 의료 영상 분석, 의료 영상 내 질병 탐지 등 여러 분야에서 활용될 수 있을 것이라 조망된다.

Transformer models have been increasingly used in artificial intelligence research. Transformer architectures are used as a basic structure in various research because they can learn more weights than convolutional neural networks. However, transformers have the limitation of requiring large datasets to learn. As a result, it is difficult to apply transformer architectures in medical fields where available datasets are limited. Therefore, this study proposes a fusion architecture that can train transformers even with limited medical datasets. The fusion architecture combines a transformer encoder and a convolutional neural network decoder, which allows the transformer encoder to converge stably and learn both global and local features in the image. In addition, a loss function that combines three loss functions is used for fast and stable image segmentation learning. In this study, the superiority and stability of the proposed architecture are validated using two colonoscopic polyp datasets. The fusion architecture is expected to be used in various fields, such as medical image segmentation, medical image analysis, and disease detection in medical images, in addition to polyp segmentation.

최근 기후변화, 교통혼잡, 범죄예방 등 여러 사회 문제 해결을 위한 드론의 필요성이 증가함에 따라 엔터테인먼트, 에너지, 건설, 교통, 농업 등 다양한 산업과 여러 사회 서비스로 그 필요성이 확대되고 있다. 또한, 4차 산업혁명에 맞춰 인공지능과의 융·복합을 통한 드론의 자율 착륙 연구는 주요한 과제이기도 하다. 본 연구는 이러한 사회적 흐름 에 따라 소형 드론을 활용하여 인공지능 기술을 통한 드론의 활용성을 확대하고 GPS 수신이 안 되는 영역에서 딥러 닝 객체 탐지 모델을 활용한 자율 착륙을 연구하였다. GPS 수신기를 통해 받는 위치 정보 대신 드론에 장착된 카메 라를 통해 전달받는 영상에서 착륙할 지점을 인식하고 카메라를 통해 받는 영상 정보만 이용하여 목표지점에 하강하 는 방식으로 자율 착륙을 유도하였다. 딥러닝 중 경량화 모델의 대표적인 SSD-MobileNet v2와 YOLOv4-tiny 모 델을 사용하였고, 효율적으로 착륙 지점을 인식하기 위해 최적화 과정을 진행해 실시간 자율 착륙이 가능하게 했다. 실내에서의 비행시험을 통해 GPS 음영지역에서 사람의 조종이 없이 드론을 안전하게 착륙을 시킬 수 있음을 확인 하였다.

Recently, as the need for drones to solve various social problems such as climate change, traffic congestion, and crime prevention increases, the need for drones is expanding to various industries and social services such as entertainment, energy, construction, transportation, and agriculture. In addition, research on autonomous landing of drones through convergence and integration with artificial intelligence in line with the 4th industrial revolution is also a major task. In accordance with this social trend, this study expanded the use of drones through artificial intelligence technology by using small drones and studied autonomous landing using deep learning object detection models in areas where GPS receivers are not available. In areas where GPS signal reception is difficult, autonomous landing is induced by recognizing the landing point from the image transmitted through the camera mounted on the drone instead of the location information received through the GPS receiver and descending to the target point using only the image information. Using SSD-MobileNet v2 and YOLOv4-tiny models, which are representative lightweight models during deep learning an optimization process was performed to detect an effective landing point, enabling real-time autonomous landing. Through this study, it is expected that the dependence on the GPS receiver and human control for drone landing can be reduced.

최근 클라우드 컴퓨팅이 발전함에 따라 데이터베이스 아웃소싱에 대한 관심이 증가하고 있다. 그러나 데이터베이스 를 아웃소싱하는 경우, 데이터 소유자의 정보가 내부 및 외부 공격자에게 노출되는 문제점을 지닌다. 따라서 본 논 문에서는 프라이버시 보호를 지원하는 십진수 기반의 암호화 연산 프로토콜을 제안한다. 제안하는 프로토콜은 이진 수 기반의 암호화 연산 프로토콜과 달리 bit length 만큼 반복 연산을 수행하지 않기 때문에 연산의 효율성을 향상 시킨다. 아울러 십진수 기반의 암호화 연산 프로토콜을 이용한 kNN 질의처리 알고리즘을 제안한다. 제안하는 kNN 질의처리 알고리즘은 암호화 연산의 효율성을 향상시킨 십진수 기반의 프로토콜을 사용함으로써 높은 질의 처 리 성능을 제공한다. 한편 제안하는 알고리즘의 보안 분석을 수행하여, 데이터 보호, 질의 보호, 접근 패턴 보호를 지원함을 증명한다. 마지막으로 성능평가를 통해, 제안하는 kNN 질의처리 알고리즘이 기존 알고리즘에 비해서 약 5배의 질의처리 성능 향상이 있음을 보인다.

With the development of cloud computing, interest in database outsourcing has recently increased. However, when the database is outsourced, there is a problem in that the information of the data owner is exposed to internal and external attackers. Therefore, in this paper, we propose decimalbased encryption operation protocols that support privacy preservation. The proposed protocols improve operational efficiency compared to binary-based encryption operation protocols by eliminating the need for repetitive operations based on bit length. In addition, we propose a privacy-preserving kNN query processing algorithm using decimal-based encryption operation protocols. The proposed kNN query processing algorithm provides high query processing performance by utilizing efficient decimal-based protocols which enhance the efficiency of the encryption operations. Meanwhile, the security analysis of the proposed algorithm is performed to prove its data protection, query protection, and access pattern protection. Through our performance analysis, the proposed kNN query processing algorithm shows about 5 times better query processing performance, compared with the existing algorithms.

본 연구는 사용자로 하여금 내용 조정 없는 원본 데이터집합을 실시간 접근 가능하게 하면서 프라이버시를 보존하는 방안을 제안한다. 프라이버시 보존을 위한 지금까지의 방법들은 개체노출 방지를 위한 k-익명화와 민감속성노출 방 지를 위한 l-다양화를 적용함에 따른 데이터 사용성 저하가 불가피하였다. 본 연구에서는 개체노출을 허용하는 대신 l-다양화를 통한 민감속성노출 방지만으로 프라이버시를 보존하는 방안을 제안한다. 사용자에게 제공하는 민감속성 값 집합은 민감속성 온톨로지로부터 의미적으로 근접한 내용들을 선택하여 단일 혹은 군집개체에 연결할 내용으로 구성함으로써 민감속성값 집합의 정보손실을 감소시겼다. 실험을 통하여 동일 다양성 기준으로 60% 내외의 민감속 성값 집합 정보손실 감소를 확인하였다. 사용자가 접근의도에 부합하는 내용 획득 정도를 나타내는 정밀도를 기준으 로 k-익명화 수준별로 데이터 사용성을 파악함으로써 개체노출 허용에 따른 데이터 사용성 저하 방지의 유용함을 고찰하였다.

This study proposes an approach to enable users to access the unadjusted original dataset in real time while preserving privacy. While previous methods for privacy preservation have employed k-anonymity for entity disclosure prevention and l-diversity for attribute disclosure prevention, this study suggests an approach that preserves privacy solely through attribute disclosure prevention via l-diversity, excluding entity disclosure prevention. By not implementing k-anonymity, the adjustment of quasi-identifiers in published datasets became unnecessary, thereby preventing a decrease in data usability. By accessing an ontology of sensitive attributes and selecting semantically related values, a set of sensitive attribute values connected to a single entity or an entity cluster was constructed, thus reducing information loss within the provided set of sensitive attribute values for users.

본 논문에서는 프로테오믹스 데이터의 통계적 검증을 위한 새로운 방법을 제안한다. 이 방법은 탠덤 질량 분석법을 활용하여 얻은 peptide-spectrum matches(PSM)의 점수 분포를 활용하여 False Discovery Rate(FDR)를 추 정하는 것을 목표로 한다. 기존의 Target-Decoy 방식에서는 실제 데이터셋(Target)과 인공적으로 생성된 데이터 셋(Decoy)을 함께 분석하여 False Positive를 추정하고 FDR을 계산해왔다. 하지만 이 연구에서는 새로운 접근법 을 제안하여 Target만을 사용하여 1등 PSM과 2등 PSM의 점수 분포를 분석하여 FDR을 계산하는 방법을 제시한 다. 이 새로운 방법은 Decoy-free 검색을 가능하게 하며, True와 False 분포를 재계산하여 보다 정확한 FDR 추 정이 가능하다. 이를 통해 기존의 Target-Decoy 방식에서 발생하는 계산 비용과 Decoy 데이터셋의 부정확성으로 인한 결과 왜곡과 같은 문제를 극복할 수 있다. 실험을 통해 기존의 Target-Decoy 방식과 유사한 수준의 정확도를 보이면서도 38.2%의 속도 향상을 달성하였다.

In this study, we propose a novel statistical validation method for proteomics data obtained via tandem mass spectrometry. Our method, based on the scores distribution of peptide-spectrum matches (PSMs) acquired from database-based analysis, aims to estimate the False Discovery Rate (FDR). Traditional Target-Decoy approaches estimate False Positives and compute FDR by analyzing both the actual dataset (Target) and artificially generated dataset (Decoy) together. However, our study proposes a new method that calculates FDR through the scores distribution of the top and second-best PSMs, using only the Target. This enables decoy-free searching and allows for more accurate FDR measurements. We validated a comparable level of accuracy with the conventional Target-Decoy approach, along with a 38% improvement in computational speed.

본 논문에서는 Sharif et al.가 제안한 TMIS을 위한 ECC 기반의 AKA(Authentication and Key Agreement) 프로토콜의 문제점을 분석하고, 문제를 개선하기 위한 새로운 인증 프로토콜을 제안한다. Sharif et al. 프로토콜은 공격자가 모바일 디바이스의 정보를 획득할 경우, 오프라인 패스워드 추측 공격에 안전하지 않다. 또한 모바일 디바 이스의 소유자를 확인하지 않는 큰 결함이 존재하며 사용자의 동적 ID를 서버가 생성함으로써 동적 ID에 대한 서버 의 계산 부담이 있다. 그리고 4개의 해시함수를 사용함에도 불구하고 불안전한 설계로 인하여 프로토콜이 안전하지 않다. 그러므로 본 논문에서는 이러한 문제를 해결하기 위하여 간단히 사용자의 생체정보와 1개의 해시함수를 사용 하고, 사용자의 동적 ID를 서버가 아니라 사용자가 자유롭게 생성하도록 설계한다. 본 논문에서 제안한 프로토콜의 안전성 분석 결과, 제안 프로토콜은 공격자가 모바일 디바이스의 정보 획득에 성공한다고 할지라도 사용자 패스워드 추측 공격에 안전하다. 이로 인하여 제안 프로토콜은 사용자 가장 공격, 전방향 안전성, 재생 공격 등 여러 공격에 안전한 것으로 분석되었다. 또한 제안 프로토콜은 실행시간도 크게 증가하지 않아 계산 복잡도 측면에서도 효율적이 라고 할 수 있다. 그러므로 본 논문에서 제안한 프로토콜은 TMIS를 위한 사용자에게 안전한 인증뿐만 아니라 안전 한 익명성도 함께 제공하는 프로토콜이라고 할 수 있다.

In this paper, we analyze the problems of the ECC-based authentication and key agreement(AKA) protocol for TMIS proposed by Sharif et al. and propose a new authentication protocol to improve the problem. Sharif et al. protocol is not secure for offline password guessing attack when an attacker acquires information on a mobile device. In addition, there is a big flaw in not identifying the owner of the mobile device, and there is a burden on the server to calculate the dynamic ID as the server generates the user's dynamic ID. And despite using four hash functions, the protocol is not secure due to its insecure design. Therefore, in this paper, to solve this problem, the user's biometric information and one hash function are simply used, and the user's dynamic ID is designed to be freely generated by the user, not by the server. As a result of the security analysis of the protocol proposed in this paper, the proposed protocol is secure for user password guessing attack, even if the attacker succeeds in acquiring information from the mobile device lost attack. As a result, the proposed protocol was analyzed to be secure for various attacks such as user impersonation attack, perfect forward attack, replay attack. In addition, the proposed protocol does not increase the execution time significantly, so it can be said to be efficient in terms of computational complexity. Therefore, the protocol proposed in this paper can be said to be a protocol that provides users with secure authentication as well as secure anonymity for TMIS.

이 논문은 MPM(Material Point Method) 기반의 탄성체 소성변형 시뮬레이션의 정확도를 향상시키기 위해 응 력파(Stress Wave) 속도에 대한 손상위상장(Damage Phase Field)을 MPM 시뮬레이션과 결합하는 새로운 접 근법을 제시한다. 기존의 MPM 시뮬레이션은 소성변형에 대해서 각 입자의 Cauchy 응력을 계산하고 APIC (Affine Particle in Cell) 접근법을 사용하여 입자 간에 힘의 전달을 표현하였다. 그러나 각 입자의 수직 응력에 대한 아핀(affine) 연산만으로는 다양한 소성변형으로부터 물체의 연속적인 손상 진화를 표현하는데 한계가 있다. 이 한계점에 대응하기 위해 본 연구에서는 응력에 대한 미분연산을 통해 응력파 속도를 계산하여 연속적인 손상 진 화를 손상위상장으로 나타내고 이를 MPM과 결합한다. 동일한 환경에서 기존 MPM과 제안한 방법의 비교 실험을 수행하였으며, 시뮬레이션한 탄성 물체의 소성변형과 손상의 시각적인 정확도가 향상되었음을 확인했다.

We propose a new approach to combining the Damage Phase Field for Stress Wave velocity with MPM(Material Point Method) simulation to improve the accuracy of the elastic plastic deformation simulation based on the MPM. Existing MPM simulations have calculated the Cauchy stress of each particle for plastic deformation and expressed force transfer between particles using the APIC (Affine Particle in Cell) approach. However, there is a limit to expressing the continuous damage evolution of an object from various plastic deformations only by affine calculations on the vertical stress of each particle. To cope with this limitation, this study calculates the stress wave velocity through differential computation for stress to represent continuous damage evolution as a damage phase field and combines it with MPM. Comparative experiments of the proposed method with the existing MPM were conducted in the same environment, and it was confirmed that the visual accuracy of the simulating elastic object's plastic deformation and damage was improved.