Earticle

클라우드 활용이 급속도로 확대되면서 복잡한 클라우드 네이티브 환경에서 다양한 장애가 발생하고 있다. 따라서 클 라우드 시계열 기반 이상 탐지를 이용하여 보안 침입, 비정상적인 네트워크 활동, 서비스 장애 등 다양한 문제들을 해결하고자 하는 연구들이 진행하고자 한다. 이상 탐지는 시스템의 동작이 이전의 정상 상태와 크게 다른 특정 시간 지점을 파악하는 것이다. 클라우드 자원의 대용량 데이터를 처리하기 위해 기계학습 기술을 활용하기 시작하였으나 레이블이 지정된 데이터가 부족하기 때문에 대부분 이상탐지는 비지도 학습 모델인 딥러닝 방법으로 해결하려는 연 구가 진행되고 있다. 본 연구에도 시계열 이상탐지 관련 선행 연구를 통해 확인된 우수한 성과를 보인 최신 딥러닝 모델들인 LSTM‐AE, GMM‐GRU‐VAE, GDN을 실제 클라우드 운영 환경에서 획득한 시계열 데이터들을 사용하 여 학습시켜서 성능을 비교하였다. GDN 모델이 0.7488 AUPRC 와 0.9894 BestTS F1 점수로 가장 우수한 성 능을 보였으며, 테스트 시간도 10분으로 가장 짧았다. LSTM-AE가 0.7378 AUPRC 와 0.9594 BestTS F1 점 수로 그 뒤를 따른다. GMM-GRU-VAE 모델은 시계열 예측에서 LSTM-AE 보다는 나은 성능을 보였으나, AUPRC 스코어가 0.7229로 가장 낮아 전반적인 성능에서 뒤처졌다. 따라서 클라우드 인프라의 시계열 데이터 분 석에서 GDN 모델이 가장 적합한 것으로 평가되며, 특히 빠른 처리 시간과 높은 예측 정확도를 요구하는 환경에서 유리한 선택임을 확인하였다.

As cloud adoption rapidly expands, various issues are arising in complex cloud-native environments. Therefore, research is underway to address issues like security intrusions, abnormal network activity, and service disruptions using cloud time-series anomaly detection. An anomaly detection is defined as identifying a specific point in time where the system's behavior significantly deviates from its previous normal state. Although machine learning techniques have begun to be utilized to handle large volumes of cloud data, the lack of labeled data has led most anomaly detection research to rely on unsupervised learning models, specifically deep learning methods. This study also trained and compared the performance of state-of-the-art deep learning models with demonstrated effectiveness in previous time-series anomaly detection studies—namely, LSTM-AE, GMM-GRU-VAE, and GDN—using time-series data collected from an actual cloud operating environment. The GDN model achieved the highest performance with an AUPRC of 0.7488 and a BestTS F1 score of 0.9894, with the shortest testing time of just 10 minutes. LSTM-AE followed with an AUPRC of 0.7378 and a BestTS F1 score of 0.9594. The GMM-GRU-VAE model outperformed LSTM-AE in time-series prediction but ranked lowest in overall performance due to its AUPRC score of 0.7229. Therefore, GDN is evaluated as the most suitable model for time-series data analysis in cloud infrastructure, proving advantageous in environments requiring rapid processing time and high predictive accuracy.

본 연구에서는 낙동강 수계 함안 지점의 조류발생 예측을 위한 계절형 단변량 ARIMA 및 다변량 시계열 모델을 구축하고 상호 예측력을 비교하였다. 분석 결과 다변량 시계열 모델의 예측력은 비교적 합리적인 수준으로 평가되었다. 또한, 충격반응분석 결과에서는 Chl-a 자체의 충격이, 장기적으로는 TP가 조류발생에 가장 크게 영향을 미치는 것으로 확인되었으며, 조류발생 변동 예측오차에 대한 조류발생 영향인자들의 기여율을 살펴본 결과, 주로 조류자체(Chl-a) 및 DO, TP 의 기여율이 큰 것으로 확인되었다.

This study set up seasonal univariate ARIMA and multivariate time series model (VECM) for predicting the occurrence of algae at the Haman point of Nakdong river basin system, and compared mutual prediction power. The predictive power of the multivariate time series model was evaluated at a relatively reasonable level of MAPE standard. In addition, Impulse response analysis showed that the Impulse of Chl-a itself, and TP in the long run, have the greatest effect on the generation of algae. The contribution rate of algae generation influential factors to the prediction error of algal generation fluctuation was examined. It was found out that the contribution rate to the past value of Chl-a was the biggest, and the contribution rates of algae itself (Chl-a), DO and TP were the mainstream.

한국의 주가지수파생상품 시장이 급속히 성장함에 따라 금융상품의 변동성이 가격 결정에 주요한 영향 변수로 인식되고 있다. 이 연구는 금융시계열과 인공지능기법의 결합을 통하여 단일 시계열모형의 예측 정확도를 향상하고, 변동성의 방향성과 예측력을 동시에 향상시킬 수 있는 결합 모형을 제안한다. 이를 위하여 변동성 예측을 위한 결합모형에서는 인공지능(ANN)기법과 금융시계열 예측모형인 ARCH, GARCH, IGARCH, EGARCH, EWMA 모형을 이용하였다. 모형의 적용을 위하여 KOSPI200(2001.1.2.~2010.12.30. 10년, 2,480거래일) 데이터를 사용하였고, 비교를 위하여 KOSDAQ100에도 제안 모형의 적용 가능성을 검증하였다. 방향성의 예측에서는 ARCH 계열의 시계열 모형이 우수성을 나타내었으며, 이를 이용하여 인공신경망기법의 학습을 위한 변수 및 계수 설정을 위한 방법론으로 사용하였다. 실험 결과, 금융시계열의 변동성 예측을 위해 GARCH 및 EGARCH 기법에서 도출된 입력변수를 이용한 결합 인공신경망결합 모형이 우수함을 나타내었으며, 10년간의 장기 데이터를 활용하여 모형의 적용 가능성을 보였다.

The volatility is one of the important issues in the financial market, as the Korean derivatives market of stock index is growing fast. The study suggests an experimental research about volatility forecasting model for financial time series, which overcomes the limit of the econometric volatility estimation methods and artificial intelligence techniques. It tries to improve the forecasting accuracy in terms of direction and deviation of volatility, which uses the integrated machine learning (Artificial Neural Network) and econometric ARCH(Autoregressive Conditional Heteroscedasticity)model such as GARCH, IGARCH, EGARCH. EWMA model. For this experiment, KOSPI200 data(2001.1.2.~2010.12.30, 10 years, 2,480 day trading data) was used, and KOSDAQ100 data was used for generalization of the suggested model. The main idea is that: As the ARCH models are superior in the direction forecasting, and AI techniques are better in the accuracy, so this model integrates the two techniques. Input variables of ANN are extracted by the estimation process of the ARCH models, then the ANN learning process build the volatility forecasting model. As the outcomes of the suggested model, it shows the ability of integration method between the ARCH models and AI techniques for volatility forecasting; especially GARCH and EGARCH model for input variables of ANN.

본 연구는 시점 및 집단차이를 나타내줄 패널분석을 통해 쓰레기배출량에 영향을 준 요인이 무엇인지를 양적으로 규명해보고자 하였다. 쓰레기 배출량에 영향을 주는 요인들은 많다. 쓰레기종량제라는 정책도 있고, 각 자치단체별 예산과 인력의 투입, 지역적 특성도 있다. 본 연구는 종단면으로 1995년 쓰레기종량제가 배출량에 영향을 주었는지와 횡단면으로 전라북도 내 14개 시군별로 어떤 차이가 있는지를 동시에 보았다. 연구결과, 쓰레기 배출량과 재활용량은 여러 추정모형 중에서 모형2의 고정효과모형(fixed effects model)이 가장 적합한 것으로 나타났다. 이 모형에 의하면 쓰레기발생량은 종량제 실시 이후 32.97% 감소, 재활용량은 종량제 실시 이후 202.53% 증가한 것으로 나타났다. 더불어 쓰레기처리 예산은 재활용량의 모형2, 모형3, 모형4에서 유의미하게 나타났으며 가장 적합한 고정효과모형에서 약 0.001% 증가된 것으로 나타났다.

This study aims at developing factors impact on the garbage quantity with the panel analysis which can show differences not only among groups but also before and after a ceratin time. It was well known that factors that affect the volume of garbage are many; ;the garbage change from Uni-level pricing system into Pricing Garbage by Bag, budget and number of personnels related to garbage treatment by 14 local governments, and regional characteristics such as degree of urbanization, population and income. This study will try to show whether the volume of garbage was affected since the inception of the pricing garbage by bag system in 1995 by using the time-series analysis. This study will also try to know whether there are differences of decreasing the volume of garbage by 14 local governments in Jeollabuk-do province by applying the cross-sectional analysis simultaneously. As a result, the change of the volume of garbage and waste recycling are best explained by the Fixed-Effect Model called Model 2 among 5 estimated models. According to this model, the garbage quantity decreased by 32.97% and the waste recycling increased by 202.53% since the implementation of the policy of the pricing garbage by bag. On the other hand, the budget of garbage disposal was found to be significant in Model 2, Model 3 and Model 4 respectively in terms of the volume of waste recycling. The volume of waste recycling increased approximately by 0.001% in best suited model, Model 2 of Fixed-Effect Model.

회귀모형의 구조변화 또는 회귀계수의 안정성을 검정하기 위해서는 매 시점 회귀계수뿐만 아니라 표준오차를 정확히 추정하여야 하는데, 이를 위해서는 관측치들 사이의 횡적상관관계를 조정하는 것이 중요하다. 만일 횡적상관관계를 조정하지 않게 되면 표준오차가 작게 추정될 수 있으며, 그로 인하여 회귀계수의 안정성을 과도하게 기각하게 된다. 본 연구에서는 횡적상관관계를 조정하는 표준오차의 추정방법들을 비교, 분석하며, 이를 회귀계수의 안정성 검정에 응용한다.

This study emphasizes that cross-sectional correlations need to be incorporated in the estimation of the coefficient standard errors. If the cross-sectional correlations are ignored as in the OLS estimation, the coefficient stability will be too often rejected since the standard errors are underestimated in many cases. This study evaluates the accuracy of several estimation methods with an application to the test of structural changes.

We know that the Hurst Exponent (HE) is a real number in [0, 1] which denotes randomness of time series. In this research, we suggest non-linear analysis of human biological signals through HE. The feasibility of human biological signals using inductive incitement provides some diagnosis for active treatment. In our experiment, we measured the heartbeat through the MCG, 20 healthy and 34 abnormal subjects ostensibly. The raw data of acupuncture incitement are supported by opinions of gross examination and pathological diagnosis. The mean values of HE are 0.848, 0.755 and 0.805 for the periods of before, during and after acupuncture treatment, respectively in case of abnormal subjects. On the other hand, the mean values, 0.808, 0.797 and 0.785 are for normal cases, correspondingly. From this data, we show that HE is very significant in abnormal controls according to an acupuncture incitement, and the incitement effect is evidently extracted in abnormal subjects. But, in normal subjects, the incitement effect is meaningless.

[연구목적] 본 연구는 발생액의 추정방법에 따라 조건부 보수주의의 시계열 추세 및 미래 현금흐름 예측능 력에 유의한 차이가 있는지를 분석하는데 그 목적이 있다. 최근 연구에 의하면 보수주의의 시계열적 증가 추세 가 나타나고 있으며 특히 발생액을 항목별로 구분하는 경우 조건부 보수주의 수준이 달라진다. 따라서 재량적 발생액과 비재량적 발생액으로 구분하여 보수주의 시계열 추세 및 미래 현금흐름 예측능력의 차이를 연구할 필요가 있으며, 재량적 발생액의 추정방법에 따라서도 보수주의의 시계열 추세 및 미래 현금흐름 예측능력이 달라질 수 있을 것으로 예상할 수 있다. [연구방법] 본 연구는 각 방법에 의하여 추정한 재량적 발생액과 비재량적 발생액을 Ball & Schvakumar (2005, 2006)의 모형에 대입하여 조건부 보수주의를 의미하는 계수값을 도출하고 이 계수값이 시계열적 추세를 갖는지를 분석하고자 한다. 또한 각 추정방법에 의하여 추정한 재량적 발생액과 비재량적 발생액이 차기 현금 흐름 예측에 유의한 영향을 미치는지도 분석하고자 한다. [연구결과] 재량적 발생액을 각각의 추정방법에 따라 추정하고 조건부 보수주의의 측정에 활용하여 조건부 보수주의의 시계열적 추세를 분석한 결과 재량적 발생액과 비재량적 발생액 간 조건부 보수주의의 시계열 추 세에 차이가 있으며 발생액의 추정방법에 따라 조건부 보수주의의 시계열 추세가 달라지는 것으로 나타났다. 또한, 발생액의 추정방법을 달리하여 각각 측정한 재량적 발생액과 비재량적 발생액에 대한 미래 현금흐름 예 측력을 분석한 결과 각각의 재량적 발생액과 비재량적 발생액의 미래 현금흐름 예측능력이 차별적인 것으로 나타났다. [연구의 시사점] 본 연구는 조건부 보수주의 증가추세가 발생액을 추정하는 방법에 의해 영향을 받는지, 미 래 현금흐름 예측력에 차별점이 존재하는지를 검증하여 발생액을 이용한 조건부 보수주의 추정과 관련된 연구 에 추가적인 공헌을 제시한다.

[Purpose] The purpose of this study is to analyze whether there is a significant difference in the time series trend of conditional conservatism and ability to predict the future cash flows of accruals depending on the method of estimating accruals. [Methodology] This study attempts to derive a coefficient value that means conditional conservatism by substituting discretionary and non-discretionary accruals estimated by each method into the model of Ball & Schvakumar (2005, 2006), and to analyze whether this coefficient value has a time-series trend. Also, this study is to analyze whether discretionary and non-discretionary accruals estimated by each method significantly affect the prediction of the next year cash flow. [Findings] As a result of estimating discretionary accruals according to each estimation method and analyzing the time-series trend of conditional conservatism by using them to measure conditional conservatism, the hypothesis of this study was supported that there would be significant difference in the time-series trend of conditional conservatism between discretionary and non-discretionary accruals. In addition, as a result of analyzing the predictive power of future cash flows for discretionary and non-discretionary accruals measured with different methods of estimating accruals, the hypothesis was supported that the ability to predict future cash flows would be significantly different. [Implications] This study has additional contributions to research related to the estimation of conditional conservatism using accruals by verifying whether the increasing trend of conditional conservatism is affected by the method of estimating accruals and whether there are differences in the predictive power of future cash flows according to the each method of estimating accruals.

최근 클라우드 서비스 사용이 확산하면서 클라우드 보안의 중요성이 증가하였다. 본 연구의 목적은 클라우드 보안 분야의 최근 연구 동향을 분석하고 시사점을 도출하는 것이다. 이를 위해 2010년부터 2023년까지 국가과학기술지식정보서비스(NTIS) 에서 제공하는 R&D 과제 데이터를 활용하여 클라우드 보안 연구 동향을 분석하였다. LDA 토픽모델링과 ARIMA 시계열 분 석을 통해 클라우드 보안 연구의 핵심 토픽 15개를 도출하였으며, AI를 활용한 보안 기술, 개인정보 및 데이터보안, IoT 환경 에서의 보안 문제 해결이 연구에서 중요한 영역임을 확인했다. 이는 클라우드 기술의 확산과 기반 시설의 디지털 전환으로 인해 발생할 수 있는 보안 위협에 대응하기 위해 관련 연구가 필요함을 시사한다. 도출된 토픽들을 기반으로 클라우드 보안 분야를 네 가지 범주로 나누어 기술참조모델을 정의하였으며, 전문가 인터뷰를 통해 해당 기술참조모델을 개선하였다. 본 연구는 클 라우드 보안 발전의 방향을 제시하며 학계 및 산업계에 미래 연구와 투자에 대한 중요한 지침을 제공할 것으로 기대된다.

Recent expansion in cloud service usage has heightened the importance of cloud security. The purpose of this study is to analyze current research trends in the field of cloud security and to derive implications. To this end, R&D project data provided by the National Science and Technology Knowledge Information Service (NTIS) from 2010 to 2023 was utilized to analyze trends in cloud security research. Fifteen core topics in cloud security research were identified using LDA topic modeling and ARIMA time series analysis. Key areas identified in the research include AI-powered security technologies, privacy and data security, and solving security issues in IoT environments. This highlights the need for research to address security threats that may arise due to the proliferation of cloud technologies and the digital transformation of infrastructure. Based on the derived topics, the field of cloud security was divided into four categories to define a technology reference model, which was improved through expert interviews. This study is expected to guide the future direction of cloud security development and provide important guidelines for future research and investment in academia and industry.

본 연구는 디지털 헬스케어 산업 활성화를 위한 정책적 접근으로서, 주요 의제 도출 및 정책적 시사점을 제시하는데 목적이 있다. 본 연구에서는 10년(2013년~2022년) 간의 헬스케어와 관련된 뉴스 빅데이터 총 91,873건을 수집하여 토픽모델링 분석, 다차원척도 분석 및 시계열 회귀분석을 수행하였다. 토픽모델링 분석 및 다차원척도법을 통해 총 20개의 토픽을 도출하여 2차원선상에 토픽들의 군집 형태를 파악하였고, 시계열 회귀분석을 통해, 상승 추세를 나타내는 4개의 Hot topic(건강관리, 바이오제약, 기업매출․전망, 정부․정책)과 하향 추세를 나타내는 3개의 Cold topic(스마트기기, 주식․투자, 도시․건설)을 도출되었다. 본 연구의 결과는 우리나라 정책을 수립하는 정부 기관에 중요한 기초 자료로 활용될 수 있을 것이다.

This research aims to identify key initiatives and a policy approach to support the industrialization of the sector. The research collected a total of 91,873 news data points relating to healthcare between 2013 to 2022. A total of 20 topics were derived through topic modeling analysis, and as a result of time series regression analysis, 4 hot topics (Healthcare, Biopharmaceuticals, Corporate outlook․Sales, Government․Policy), 3 cold topics (Smart devices, Stocks․Investment, Urban development․ Construction) derived a significant topic. The research findings will serve as an important data source for government institutions that are engaged in the formulation and implementation of Korea’s policies.

• 코로나19 팬데믹과 시장 불확실성 증대 -> 정보를 빠르게 처리해야 하는 필요성 증가 • 데이터 공학의 발전 -> 방대한 양의 정보를 빠르게 처리하는 것을 요구 • Intro-day High-frequency 주식 데이터를 활용한 관련 연구가 활발히 진행되고 있음 • 이러한 High-frequency 주식 데이터를 분석하는 연구는 function GARCH / ARCH 등을 통해 Volatility에 관한 연구가 많음 • 하지만, Volatility 외에 지수의 방향성에 대한 연구 또한 투자 의사결정에 중요한 영향을 미침 • 또한, fuctional GARCH / ARCH 의 경우 다변량 High-frequency 데이터에 대해서 한계를 가짐 • 금융 시계열 데이터의 분석에서 RNN 계열의 Deep Learning 모형 활용하여 주가 를 예측하는 연구가 활발히 진행되고 있음 • 하지만 RNN 계열의 모형의 경우 가중치 업데이트가 Train Set의 후반부에 집중 되어 시계열 전반의 데이터를 Robust하게 반영하지 못함. • 본 연구는 이러한 선행 연구의 한계점을 보완하기 위해 Attention과 ResNet을 결 합한 CNN기반의 다변량 High-frequency데이터 분석을 위한 알고리즘을 제안함.

석면유발 환경성질환은 석면노출 이후 수십년 간의 장기잠복기를 거쳐 발병한다. 본 연구에서는 HP 필터를 활용하여 한국, 영국, 미국, 일본의 석면소비량과 중피종의 장기 추세를 추정하고, 이를 기초로 한국의 중피종 발생비율의 추세와 범위에 대한 시계열적 유추를 시행한다. 이 때, 비교대상국가별 석면소비와 중피종 간의 적정시차와 석면소비의 증감률을 병행 고려하여, 2030년까지 한국 중피종 발생비율의 장기 추세 예측에 적용한다. 예측 결과, 한국의 석면소비를 한국의 중피종 발생비율 추세예측에 적용할 경우 2020년을 기점으로 감소세로 전환될 것으로 추정된다. 영국과 미국의 중피종 추세를 적용할 경우 2015년, 일본의 추세를 적용할 경우 2027년부터 감소 추이에 접어들 것으로 분석된다. 석면유발 환경성질환의 장기추세 예측은 향후 석면으로 인한 잠재적 사회적 비용의 추정과 여타 환경성질환의 추이분석에 기여할 것이다.

Asbestos-inducing environmental diseases occur through a long latent period of several decades since asbestos was exposed. We estimate long-term trends of asbestos consumption and mesothelioma in Korea, the UK, the US, and Japan using HP filters. And we further conduct the trend of time-series inference on the incidence rates of mesothelioma in Korea. If asbestos consumption in Korea applies to the rate of Korean mesothelioma, the incidence rate will decrease after 2020. When applying the trends of the UK and the US, converting to decline happened in 2015. In the case of applying the Japanese trend, the incidence rate in Korea was estimated to decline after 2027. The long-term trends in asbestos-inducing environmental diseases contribute to estimate potential social costs from asbestos and similarly for other environmental diseases.

본 연구에서는 한국은행의 통화정책이 한국 자본 시장의 비유동성 프리미엄에 미치는 영향을 다양한 방법으로 분석하였다. 우선호가 스프레드, Amihud 비율, Amivest 비율로 측정된 유동성으로 주식을 분류할 경우 가장 유동성이 낮은 포트폴리오의 수익률과 가 장 유동성이 높은 포트폴리오의 수익률 간에는 유의한 차이가 존재하여, 한국 자본 시장 에도 비유동성 프리미엄이 존재함을 재확인하였다. 또, 통화정책의 변화가 비유동성에 미치는 충격은 유동성이 낮은 자산일수록 커지므로, 통화정책이 비유동성 프리미엄의 시 계열 변화를 유발하는 요인으로 작용할 수 있음을 알 수 있다. 마지막으로, 통화정책이 확장국면이면 비유동성 프리미엄이 감소하고 후퇴국면이면 비유동성 프리미엄이 증가하 는데, 이러한 차이는 유동성이 낮은 자산이 유동성이 높은 자산에 비해 통화정책의 변화 에 더 민감하게 반응하기 때문에 발생하였다. 이러한 실증 분석 결과는 비유동성 프리미엄의 가격결정과정에 대한 증거를 제시하고 통화정책이 효율적인지를 사후적으로 판단할 수 있게 한다는 점에서 그 의의를 찾을 수 있다.