Earticle

Many researchers have carried out studies related to programming languages since the beginning of computer science. Besides programming with traditional programming languages (i.e., procedural, object-oriented, functional programming language, etc.), a new paradigm of programming is being carried out. It is programming with natural language. By programming with natural language, we expect that it will free our expressiveness in contrast to programming languages which have strong constraints in syntax. This paper surveys the approaches that generate source code automatically from a natural language description. We also categorize the approaches by their forms of input and output. Finally, we analyze the current trend of approaches and suggest the future direction of this research domain to improve automatic code generation with natural language. From the analysis, we state that researchers should work on customizing language models in the domain of source code and explore better representations of source code such as embedding techniques and pre-trained models which have been proved to work well on natural language processing tasks.

This paper deals with modeling and computer simulation of a full multibody vehicle model for a driving simulator. The multibody vehicle model is based on the recursive formulation and a corresponding simulation code is generated automatically from AUTOCODE, which is a symbolic computation package developed by the authors using MAPLE. The paper describes a procedure for automatically generating a highly efficient simulation code for the full vehicle model, while incorporating realistically modeled components. The following issues have been accounted for in the procedure, including software design for representing a mechanical system in symbolic form as a set of computer data objects, a multibody formulation for systems with various types of connections between bodies, automatic manipulation of symbolic expressions in the multibody formulation, interface design for allowing users to describe unconventional force-and torque-producing components, and a method for accommodating external computer subroutines that may have already been developed. The effectiveness and efficiency of the proposed method have been demonstrated by the simulation code developed and implemented for driving simulation.

최근 GPT-4와 같은 거대 언어 모델이 다양한 분야에서 활발히 활용되고 있으며, 특히 코드 생성 분야에서 큰 주목을 받고 있다. 하지만 이러한 모델들은 GitHub 등의 공개 데이터로 학습되어 보안에 취약한 코드를 생성하는 문제가 있다. 이를 해결하기 위해 모델에 직접 취약점 정보를 학습시키는 방법이 제안되었으나, 이는 모델 학습을 위한 취약점이 있는 코드와 정상 코드를 정확히 분류한 데이터셋 구축이 어렵고, 상당한 컴퓨팅 자원과 시간이 필요하며 지속적인 업데이트가 어렵다는 한계가 있다. 본 연구에서는 모델을 직접 수정하는 대신 검색증강생성 기법을 활용하여 보안 취약점에 관련된 외부 지식을 기반으로 시큐어 코드를 생성하는 방법을 제안한다. 실험을 통해 모델을 직접 수정하지 않고도 검색증강생성을 활용하여 더 안전한 코드를 생성할 수 있음을 확인하였다.

Large language models (LLMs) like GPT-4 are being widely adopted across various domains, with significant impact in code generation. However, these models, trained on public repositories such as GitHub, often generate code with security vulnerabilities. Previous attempts to address this issue through direct model training with vulnerability information have faced several limitations: the difficulty of building accurately labeled datasets distinguishing between vulnerable and secure code, the requirement for substantial computational resources and time, and the challenges of maintaining up-to-date training. In this study, we propose an alternative approach that leverages retrieval-augmented generation (RAG) to incorporate external security vulnerability knowledge without modifying the base model. Our experiments demonstrate that this RAG-based approach effectively generates more secure code without the need for model retraining.

최근 생성형 AI 도구는 소프트웨어 개발 현장에서 많이 사용되고 있다. 그러나, 아직은 AI 기반 생성 결과에 대한 신뢰성을 보장할 수 없다. 또한, 현재도 AI 기반 코드 생성은 요구사항의 명확한 반영과 설계에 대한 추적이 부족하다. 이를 해결하기 위해, 소프트웨어 프로세스인 자연어 요구사항으로부터 UML 설계 및 스켈레톤 코드 생성까지 생성형 AI를 부분적으로 적용하고, 메타모델 기반 모델 변환하는 메커니즘을 제안한다. 이를 위해 변환 규칙 프로그래밍을 Metamodel Transformation Engine을 통해 자동 변환을 수행한다. 이는 자연어 요구사항의 정합성, 설계의 추적성, 그리고 코드의 품질을 확보할 수 있는 자동화된 개발 프로세스를 제공하고자 한다. 이를 통해 생성형 AI 코드의 신뢰성을 보완하고, 고품질의 소프트웨어를 개발하고자 한다. 향후 연구로, 이러한 메커니즘 통해 인간 중심의 코드와 AI가 부분적으로 접목된 코드를 비교하고자 한다. 그 결과로 어떠한 코드가 더 좋은 품질을 갖는 지 확인하는 것이 목표이다.

Recently, generative AI tools have been increasingly utilized in the field of software development. However, the reliability of AI-generated outputs still cannot be guaranteed. In particular, current AI-based code generation often lacks a clear reflection of requirements and sufficient traceability of the design process. To address these limitations, we propose a mechanism that partially applies generative AI and applies metamodel-driven model transformation across the software process, from natural language requirements to skeleton code generation via UML design. We define transformation rules that are automatically applied on a Metamodel Transformation Engine. This approach may provide an automated development process that ensures the consistency of natural language requirements, the traceability of design artifacts, and the quality of the generated code. In future research, we aim to compare human-written code with AI-assisted code through the proposed mechanism. The objective is to verify which approach ensures higher software quality and, by doing so, enhances the reliability of AI-generated code while supporting the development of high-quality software.

본 논문에서는 다중물체를 추적하기 위해서 적합한 것으로 알려진 condensation 알고리즘의 자동 코드 발생기를 연구한 결과를 보인 것이다. 일반적으로 condensation 알고리즘은 일반인이 구현하기 매우 어려워 실제 유비쿼터스 상황인지를 위하여 필요한 기술임에도 불구하고 널리 이용되지 못하고 있다. 본 논문에서는 이 같은 문제점을 개선하기 위하여 시스템 다이나믹스 모델과 측정 모델이 주어지면 요구하는 성능을 만족하는 condensation algorithm이 내장된 필터를 자동으로 만들어주는 MATLAB 코드를 발생하도록 설계하였다. 일단 발생된 MATLAB 코드는 C, C++ 언어 등으로 변환되므로 원하는 소스를 얻을 수 있다.

This paper address the problem of tracking multiple objects encountered in many situations in developing condensation algorithms. The difficulty lies on the fact that the implementation of condensation algorithm is not easy for the general users. We propose an automatic code generation program for condensation algorithm using MATLAB tool. It will help for general user who is not familiar with condensation algorithm to apply easily for real system. The merit of this program is that a that a general industrial engineer can easily simulate the designed system and confirm the its performance on the fly.

This work is concerned with the algorithm of generating a new circular are interpolation. This research presents a new biarc curve fitting that is a circular interpolation method based on a triarc curve fitting. The triarc method, where a segment span is composed of three circular arcs, using maximum error estimation has the advantage of generating arc splines easily to a given tolerance. The new biarc method is called when the adjacent radii are the same in the same in the triarc method. In generating the machining data for various cam curves in CNC machining with the biarc method and the new biarc method, the latter accomp- lished faster NC-code generation, shorter NC-code block formation and machined the same cam profile more efficiently.

거대 언어 모델의 발전은 소프트웨어 개발 방식을 변화시키고 있다. 그러나 LLM은 충분한 맥락과 요구사항을 제공받지 못할 때, 사용자의 의도를 정확히 파악하기 어렵다. 이러한 한계는 개발자가 원하는 결과를 얻기 위해 정교한 프롬프트 엔지니어링에 많은 노력이 필요하다. 이를 해결하기 위해, 새로운 접근 방식인 자연어 요구사항, 설계 및 템플릿 코드를 입력하는 복합적인 프롬프팅 기반 코드 생성 메커니즘을 제안한다. 사용자의 의도와 시스템의 구조를 미리 정의된 템플릿 형태로 제공함으로써, LLM이 구체적인 요구사항을 더 정확하게 이해하도록 지원한다. 이러한 방식이 단순한 자연어 기반 방식보다 코드 생성의 정확성과 신뢰성을 향상시킬 것으로 기대한다. 본 연구는 사례 연구를 통해 기존 LLM과의 성능을 객관적으로 평가한다. LLM을 활용한 소프트웨어 개발 패러다임을 제시함으로써, LLM 기반 소프트웨어 개발 분야에 학문적 및 실용적으로 기여할 것으로 기대된다.

The advancement of large language models (LLMs) is transforming software development. However, LLMs struggle to accurately interpret user intent when insufficient context and requirements are provided. As a result, developers must invest significant effort in advanced prompt engineering to achieve the desired outcomes. To solve this, we propose a hybrid code generation mechanism that takes natural language requirements, design information, and template code as input. By providing a predefined template that represents the customer's intent and the system's structure, the method enables LLMs to understand specific requirements more accurately. This approach is expected to improve the accuracy and reliability of code generation compared to natural language-only methods. This study objectively evaluates its performance in comparison to existing LLM approaches through a case study. By presenting a new paradigm for LLM-based software development, the proposed method is expected to offer both academic and practical contributions to the field.

최근, 다양한 분야에서 거대언어모델(Large Language Model, LLM)에 대한 의존도가 높아지면서 코드 생성의 효율성은 증가했지만, 생성된 코드의 보안성에 관한 검증 및 감사는 부족한 실정이다. 특히, 코드형 인프라(Infrastructure as Code, IaC) 생성 과정에서 보안 측면의 잘못된 구성이 존재할 경우, 클라우드 인프라 내 심각한 영향을 미칠 수 있다. 따라서, 본 연구에서는 LLM을 활용한 IaC 생성의 보안성을 검토한다. 구체적으로, 프롬프트 구성 방식과 LLM 종류에 따라 생성된 코드의 보안성을 비교·분석하고, 이를 바탕으로 향후 LLM 기반 IaC 코드 생성의 개선 방향을 제안한다.

Recently, as reliance on Large Language Models (LLMs) has increased across various fields, the efficiency of code generation has improved. However, verification and auditing of the security of the generated code remain insufficient. Particularly, if misconfigurations exist in the security aspects during the Infrastructure as Code (IaC) generation process, they can have severe impacts within cloud infrastructure. Therefore, this study examines the security of IaC generation using LLMs. Specifically, it compares and analyzes the security of generated code based on prompt configuration methods and LLM types, and proposes future improvement directions for LLM-based IaC code generation based on these findings.

최근 GPT계열, Claude, Gemini, DeepSeek 등 대규모 언어 모델(LLM)의 코드 생성 활용이 확대되고 있으나, 요구사항 프롬프트의 명세 수준(추상/구체)에 따라 산출 코드의 품질이 크게 달라져 모델 간 공정하고 재현 가능한 비교가 어렵다. 본 연구는 무인 판매기 환경의 장치 등록 시스템(Device Registration System)을 도메인으로 설정하고, TypeScript/Node.js/NestJS 기반 백엔드 코드를 동일 요구사항 하에서 생성하도록 하여 GPT-5.2, Gemini 3 Pro, Claude Sonnet 4.5, DeepSeek V3.2의 결과를 비교하였다. 실험은 기능 중심의 추상적 요구사항(1차)과 제약·계약을 포함한 구체화 요구사항(2차)의 두 단계로 구성되며, 입력 검증, 에러 처리, 보안, 로직 디테일, 모듈성, REST API 설계, 응답 구조, 확장성의 8개 품질 항목을 1-10점 척도로 평가한 뒤 가중치 기반 종합 점수로 통합하였다. 평가 결과, 요구사항을 구체화한 2차 단계에서 전체 종합 점수가 전반적으로 상승하였으며, 1차에서는 Claude Sonnet 4.5가 근소 우세, 2차에서는 GPT-5.2 Thinking이 가장 높은 종합 점수를 기록하였다. 이는 요구사항 명세의 구체화가 절대 품질을 개선하는 경향이 있으나, 모델별 구조적 강점과 약점은 완전히 상쇄되지 않음을 시사하며, 백엔드 개발 워크플로우에서 LLM 선택 및 프롬프트 설계에 대한 실무적 시사점을 제공한다.

Large Language Models (LLMs) are increasingly used for software code generation, yet objective and reproducible evaluation remains challenging because requirement prompts can vary substantially in specificity. This study compares four LLMs-GPT-5.2, Gemini 3 Pro, Claude Sonnet 4.5, and DeepSeek V3.2-by providing identical system requirements and assessing the quality of generated backend code. We adopt a realistic backend scenario, a device registration system for unattended vending machines, implemented with TypeScript/Node.js/NestJS and an in-memory repository abstraction. Two experimental phases are conducted: Phase 1 with abstract requirements and Phase 2 with concretized requirements. Code quality is scored using eight weighted criteria, including validation, error handling, security, logic detail, modularity, REST API design, response consistency, and extensibility. Results indicate that more specific requirements generally improve absolute scores, while model-specific strengths and weaknesses persist across phases, providing practical implications for prompt design and model selection in backend development workflows.

오늘날 복잡해져가는 컴퓨팅 환경에서 자가치유를 위해 시스템에 발생한 문제를 스스로 인식하는 능력을 부여하는 연구가 중요한 이슈가 되고 있다. 그러나, 기존 방법론들은 새로운 요구사항에 대한 목표 시스템을 자가 치유하기 위해 개발자들이 제약조건을 모델링하고 분석해야 하는 노력이 크다. 따라서, 본 논문에서는 시스템에서 발생한 문제를 인식하고 감지된 문제를 해결하기 위해 목표 시나리오 기반의 분석하고, 전·후 전략을 적용하여 동적으로 재구성되도록 자가 치유 방법을 제시하도록 한다. 이러한 제안 방법론을 통해 새로운 요구사항에 대한 자가 치유 개발자의 분석의 부하를 줄이고, 변경 정보를 파악하여 동적으로 재구성 되도록 지원하도록 한다.

Today, the computing environments is very complex, so researches that endow a system with the self-healing's ability that recognizes problem arising in a target system are being an important issues. However, the existing methodology, the goal for the new requirements for self-healing system developers to model and analyze the constraints that must be greater efforts. Therefore, in this paper are aware of problems detected by the system to solve the problem is the analysis of goal -based scenarios. In addition, there is a pre and post applying a strategy to be dynamically reconfigured to show you how to self-healing. These proposed new requirements for methodology, self-healing reduces the load on the developer's analysis.

본 논문에서는 코딩 학습 중 학습자의 인지 부하 감소를 목적으로 자연어 처리 모델을 이용하여 전이학습 및 미세조정을 통해 블록 프로그래밍 환경에서 이미 이루어진 학습자의 블록을 학습하여 학습자에게 다음 단계에서 선택가능한 블록을 생성하고 추천해주는 머신러닝 기반 블록 코드 생성 및 추천 모델을 개발하였다. 모델 개발을 위해 훈련용 데이터셋은 블록 프로그래밍 언어인 ‘엔트리’ 사이트의 인기 프로젝트 50개의 블록 코드를 전 처리하여 제작하였으며, 훈련 데이터셋과 검증 데이터셋 및 테스트 데이터셋으로 나누어 LSTM, Seq2Seq, GPT-2 모델을 기반으로 블록 코드를 생성하는 모델을 개발하였다. 개발된 모델의 성능 평가 결과, GPT-2가 LSTM과 Seq2Seq 모델보다 문장의 유사도를 측정하는 BLEU와 ROUGE 지표에서 더 높은 성능을 보였다. GPT-2 모델을 통해 실제 생성된 데이터를 확인한 결과 블록의 개수가 1개 또는 17개인 경우를 제외하면 BLEU와 ROUGE 점수에서 비교적 유사한 성능을 내는 것을 알 수 있었다.

In this paper, we develop a machine learning based block code generation and recommendation model for the purpose of reducing cognitive load of learners during coding education that learns the learners block that has been made in the block programming environment using natural processing model and fine-tuning and then gen­erates and recommends the selectable blocks for the next step. To develop the model, the training dataset was produced by pre-processing 50 block codes that were on the popular block programming language web site ‘Entry’. Also, after dividing the pre-processed blocks into training dataset, verification dataset and test dataset, we developed a model that generates block codes based on LSTM, Seq2Seq, and GPT-2 model. In the results of the performance evaluation of the developed model, GPT-2 showed a higher performance than the LSTM and Seq2Seq model in the BLEU and ROUGE scores which measure sentence similarity. The data results generated through the GPT-2 model, show that the performance was relatively similar in the BLEU and ROUGE scores ex­cept for the case where the number of blocks was 1 or 17.

본 연구는 웹 애플리케이션의 보안 취약점을 효율적으로 점검하기 위한 코드 생성 AI 활용 방법론을 제시한다. 기존 의 수동 점검 방식은 많은 시간과 인력이 소요되며, 사람의 실수로 인해 일부 취약점이 누락될 가능성이 있다. 또한, 기존의 자동화 도구는 정형화된 공격 패턴을 탐지하는 데에는 효과적이지만, 새로운 유형의 취약점이나 복잡한 맥락 을 고려한 보안 점검에는 한계가 존재한다. 이를 해결하기 위해, 본 연구에서는 코드 생성 AI를 활용한 자동화된 취 약점 점검 시스템을 개발하고, 이를 실제 환경에서 검증하였다. 제안된 시스템은 자연어로 작성된 보안 검사 요청을 실행 가능한 코드로 변환하여 점검을 수행하며, 기존의 정적 분석 및 동적 분석 기법과 결합하여 보다 정밀한 취약 점 탐지가 가능하도록 설계되었다. 실험 결과, 제안된 방법론은 기존의 수동 점검 대비 점검 시간을 약 40% 단축시 키고, 인력 비용을 절감하는 효과를 보였다. 또한, 표준화된 프로세스를 통해 일관성 있는 테스트 수행이 가능하여 보안 점검의 신뢰성을 높일 수 있었다. 특히, 코드 생성 AI가 기존 코드 패턴을 학습하고 새로운 보안 점검 시나리 오에 적용할 수 있기 때문에, 반복적인 취약점 점검 작업이 자동화되면서 개발자와 보안 전문가의 부담을 줄이는 데 기여하였다. 그러나, 복잡한 비즈니스 로직이나 특정 도메인에 특화된 보안 취약점의 경우, 여전히 전문가의 수동 점검이 필요하다는 한계가 있다. AI 모델이 훈련되지 않은 새로운 유형의 취약점이나 논리적 오류를 탐지하는 데 어 려움을 겪을 수 있기 때문이다. 따라서, 본 연구에서 제안한 코드 생성 AI 기반 자동화 점검 시스템은 보안 전문가 의 작업을 보조하는 도구로 활용될 수 있으며, 향후 AI 모델의 학습 데이터 확장과 정밀도를 높이는 연구가 추가적 으로 필요할 것이다.

This study proposes a methodology for using code-generation AI to efficiently detect security vulnerabilities in web applications. Manual assessments are time-consuming and prone to human error, while existing automated tools struggle with detecting new or context-specific vulnerabilities. To address these challenges, we developed an AI-powered system that converts natural language security requests into executable code and integrates static and dynamic analysis techniques for improved accuracy and efficiency.Experimental results showed that the proposed system reduced assessment time by 40% and significantly lowered labor costs while ensuring standardized and consistent security testing. By learning existing code patterns, the AI automates repetitive security checks, reducing the workload for developers and security professionals. However, complex business logic and domain-specific vulnerabilities still require expert review, as AI may struggle with detecting novel threats or logical flaws. Therefore, this system is best used as a complementary tool rather than a replacement. Future improvements should focus on expanding code generation AI training data and enhancing detection capabilities.

최근에 임베디드 환경은 하드웨어의 비약적인 발전과 다양한 전자 제품에서의 소프트웨어 제어로 인하여 소프트웨어 분야에서 많은 변화를 겪고 있다. 이러한 환경적 변화로 인한 요구사항의 증가는 임베디드 소프트웨어의 복잡도를 높여왔고 이는 기존 개발방법의 한계를 보여주었다. 모델 기반의 개발방법은 이미 오래전 제기되었던 범용소프트웨어 개발에서 발생했던 한계의 해결을 위하여 제시되고 지금까지 사용되어온 방법으로서 임베디드 환경에 닥친 한계의 극복을 위한 대안 중 하나로 꼽히고 있다. 이 논문에서는 이 모델 기반 개발 방법론을 임베디드 소프트웨어 적용하기 위한 모델 기반의 다이어그램 편집기와 이로부터 작성된 모델을 이용하여 자동적으로 코드를 생성하는 코드 자동생성기를 제안한다. 모델 정의에 사용된 다이어그램 편집기는 GMF를 이용하여 구현하며, 코드 자동생성기에는 임베디드 환경의 특징인 제한된 메모리와 동시적 병행성 문제를 해결하기 위한 코드 생성 기법을 추가한다. 아울러 생성된 코드의 검증을 위하여 기존의 코드를 대체하여 수행하는 방법을 사용한다.

Recently, embedded environment suffers a huge change, by growth of hardware and turning to be software-controlled. This has improved embedded software complexity. It also brought us the limit of the old development way to resolve the problem. Model-driven development is one solution to solve the limit common software development by previous way, and it became a one uses for embedded environment also. In this paper, we propose model based development approach for embedded software, witch consists of diagram editor and automatic code generator. The diagram editors are implemented by GMF, which include additional functions to solve memory restrictions and concurrent execution problems without OS environment to a automatic code generator. In order to verify the generated code, it will be tested in main control model of UAV by replacing existing module with generated one.

원격 측정 시스템을 구성하는 장비들은 정확한 시간에 이벤트를 발생시키기 위해 GPS 수신기로부터 발생하는 절대 시간에 동기화가 되어야 한다. 이렇게 동기화된 시스템일수록 데이터의 일관성을 보장할 수 있기 때문에 시각동기화의 중요성은 더욱 중요시 되고 있다. 본 논문에서는 원격 측정 시스템에서 GPS 수신기로부터 발생되는 IRIG-B 표준의 시간 코드를 이용하여 NCO 기반의 동기화 클록을 생성하는 방법을 제안한다. 제안한 방법을 검증하기 위해 VHDL 로직으로 설계 및 구현하였으며, Modelsim을 이용해 시뮬레이션을 진행하였다. 또한 FPGA를 이용해 GPS 수신기로부터 IRIG-B 시간 코드를 수신하여 동기화된 클록 생성 여부에 대한 검증을 진행하였다. 제안한 방법은 원격 측정 시스템을 구성하는 각 장치에서 저가의 정밀도가 낮은 오실레이터를 사용하더라도 GPS의 절대 시간에 동기화된 클록을 생성하기 때문에 비용적인 측면에서 보다 도움이 될 것이다.

The equipment that constitutes a telemetry system must be synchronized to the absolute time generated by the GPS receiver in order to trigger events at precise times. The more synchronized the system, the better the consistency of the data can be ensured, making time synchronization increasingly important. In this paper, we propose a method for generating an NCO-based precise synchronized clock using the IRIG-B standard time code generated by a GPS receiver in a telemetry system. To validate the proposed method, we designed and implemented it using VHDL logic and conducted simulations with Modelsim. Additionally, we verified the generation of synchronized clocks by receiving IRIG-B time codes from a GPS receiver using FPGA. The proposed method will be beneficial in terms of cost, as it generates clocks synchronized to the GPS absolute time even when using low-cost oscillators with low precision in each device of the telemetry system.

최근 LLM 기반 코드 생성 모델의 발전으로 데이터 포이즈닝을 통한 백도어 공격은 소프트웨어 공급망 보안에 심각한 문제로 대두되고 있다. 기존 공격은프롬프트 어휘나 구조 변화에 매우 민감하다. 이러한 한계를 극복하기 위해 본 논문에서는다중 프롬프트 앙상블과 의사결정 단일 프롬프트에 의존하기 때문에 불안정하고 알고리즘을 결합한 안정적인 백도어 공격 프레임워크를 제안한다. 제안된 방법은 Ask Me Anything(AMA)전략을 사용하여 네 가지 관점의 프롬프트를 생성하고, Self-Consistency 기반의 다수결 및 의미론적 투표를 적용해 최적의 취약점 데이터를 정제한다. 실험 결과는 제안된 다중 프롬프트 앙상블 프레임워크가 기존의 단일 프롬프트 방식보다 공격 성공률을 최대 94%까지 크게 향상시켜 높은 공격 일관성을 입증함을 보여주었다. 본 연구는 프롬프트 엔지니어링이 어떻게 보안 취약점을 극대화할 수 있는지 정량적으로 분석하여LLM기반 소프트웨어 공급망 위험에 대한 경고를 제시한다. 더불어, 제안된 공격 기법의 이중 용도(Dual-use) 위험성을 인지하고, 이를 완화하기 위한 방어 전략의 필요성과 향후 연구 방향을 제시한다.

As Large Language Model (LLM)-based code generation advances, backdoor attacks have become critical software supply chain security challenges. Existing backdoor attacks rely primarily on single prompts, showing instability and high sensitivity to prompt vocabulary or structure changes. To overcome these limitations, this paper proposes a stable backdoor attack framework combining a multi-prompt ensemble with decision-making algorithms. Our method generates multiple prompts from four perspectives using the Ask Me Anything (AMA) strategy and refines optimal poisoned data by applying Simple Majority and Semantic Voting techniques based on the Self-Consistency principle. Experimental results demonstrate that the proposed multi-prompt ensemble framework significantly improves the Attack Success Rate by up to 94% compared to the baseline single-prompt approach, proving high attack consistency. This study quantitatively analyzes how advanced prompt engineering can maximize security vulnerabilities, warning against LLM-based software supply chain risks. Furthermore, acknowledging the dual-use risk of the proposed attack, we suggest the necessity for defense strategies to mitigate these threats and outline future research directions.

생성형 AI 도구의 확산으로 AI·SW 교육에서 학습자의 활동은 단순한 코드 작성에서 AI 산출물의 이해, 실행, 검증, 수정, 설명으로 확장되고 있다. 본 연구는 생성형 AI 기반 코드 생성 활동에서 요구되는 AI 도구 활용 역량과 AI 산출물 검증 역량의 교육 요소를 탐색하는 데 목적이 있다. 이를 위해 UNESCO AI 역량 프레임워크, 생성형 AI 교육 지침, AI 리터러시 및 프로그래밍 교육 관련 연구를 검토하고, 초급·중급 프로그래밍 수업에서 활용 가능한 교육용 코드 생성 사례를 분석하였다. 연구 결과, 코드 생성 활동은 문제 이해, 프롬프트 구성, 코드 생성, 코드 해석, 실행 확인, 테스트 검증, 오류 수정, 윤리·보안 검토, 자기 설명의 단계로 구조화될 수 있었다. 또한 AI 도구 활용 역량, 코드 이해 역량, 실행·테스트 검증 역량, 오류 수정 역량, 근거 제시 역량, 책임 있는 활용 역량으로 구성된 AI·SW 코드 생성 검증 역량 프레임워크를 제안하였다. 본 연구는 코드 생성 사례와 검증 행동을 수업 활동 및 평가 루브릭으로 연결함으로써, 생성형 AI 활용 교육이 도구 사용 중심을 넘어 AI 산출물을 비판적으로 검토하고 책임 있게 활용하는 교육으로 확장될 수 있는 구체적 경로를 제시한다. 제안된 9단계 학습 과정, 6개 역량 범주, 5수준 루브릭은 프로그래밍 수업, AI 기초 수업, SW 융합 수업에서 생성형 AI 활용 과제를 설계할 때 참고할 수 있는 실행 가능한 틀을 제공한다. 본 연구는 생성형 AI 활용 교육을 프롬프트 작성과 코드 생성 중심에서 실행 검증, 테스트 설계, 오류 수정, 근거 제시, 책임 있는 활용을 포함하는 검증 중심 학습으로 확장하기 위한 교육 설계 기준을 제공한다.

The spread of generative AI tools is expanding learners’ activities in AI and software education from simply writing code to understanding, executing, verifying, revising, and explaining AI-generated outputs. This study explores the educational components of generative AI tool-use competency and AI-output verification competency in code generation activities for AI and software education. To this end, the study reviews UNESCO AI competency frameworks, guidelines for generative AI in education, AI literacy research, and prior studies on programming education with generative AI. It also analyzes illustrative educational code generation cases that can be used in introductory and intermediate programming courses. The findings structure generative AI-based code generation into nine learning stages: problem understanding, prompt construction, code generation, code interpretation, execution checking, test-based verification, error correction, ethical and security review, and self-explanation. Based on these stages, this study proposes a competency framework for verifying AI-assisted software code generation. The framework identifies six key competency areas: AI tool use, code comprehension, execution and testing, error correction, evidence-based explanation, and responsible use. By linking code generation cases with verification behaviors, instructional activities, and assessment criteria, the study provides a practical pathway for extending generative AI education beyond prompt writing and code production. The proposed nine-stage learning process, six competency categories, and five-level rubric offer instructional design guidance for AI-integrated tasks in programming, AI literacy, and software convergence courses. In doing so, the study shifts the focus of generative AI education toward verification-centered learning, including execution checking, test design, error correction, evidence-based explanation, and responsible use.

스마트 홈 시스템의 자동화 제어 시스템기술과 전자기기들은 사용자의 정보를 바탕으로 맞춤형 서비스를 가능하게한다. 스마트 홈은 사용자를 위해 가전제품들을 결합하여 서비스를 제공한다. 사람은 상황과 다양한 조건에 따라 목표를 달성하기 위한 행동을 결정한다. 본 논문에서는 온톨로지와 사례기반 추론, 계층적 업무 네트워크 계획(HTN Planning)을 사용하여 사람의 결정을 할 때의 생각과 같은 방법으로 스마트 홈 시스템의 효과적인 운영을 위한 방법을 제안한다. 본 논문에서는 TV시청 모드, 편안함 모드, 휴식 모드의 3가지 시나리오를 실험에 사용하였다. 3가지 시나리오를 활용한 실험에서는 상황을 인지하고 구성하기 위한 온톨로지, 업무의 범위와 운영을 위한 유사한 사례를 찾기 위한 사례기반 추론, 마지막으로 사용자의 요구사항과 정보를 위한 효율적인 계층적 업무 네트워크 계획결과를 제공한다.

It is possible to automate the operation of a smart home system with the help of technologies and equipment that provide customized services based on the person’s information. Smart home provides services by combining home appliances which are configured for a user. A person determines the actions that need to be taken in order to meet a goal based on the context, situation and various conditions. In this paper, using Ontology, Case-based Reasoning, HTN (Hierarchical task network) Planning, we propose a process to deliver results for the effective operation of smart home domains which is similar to human thinking. We have three scenarios: Watching TV mode, Comfortable mode and Rest mode. The results of the scenarios include ontology which helps recognizing the context, Case-based Reasoning which finds order and scope in tasks and HTN planning which provides effective result for user’s requirements and information

운영 체제의 코어에 Intel PT가 포함된 경우, 크래시 발생 시 디버거는 프로그램 상태를 검사할 수 있을 뿐만 아니라 크래 시를 발생시킨 제어 플로우를 재구성할 수 있다. 또한, 커널 패닉 및 기타 시스템 정지와 같은 상황을 디버그하기 위해 실행 트레이스 범위를 전체 시스템으로 확장할 수도 있다. 2세대 PT인 WinIPT 라이브러리는 Windows 10 (버전 1809/Redstone 5) 에서 제공하는 IOCTL 및 레지스트리 메커니즘을 통해 프로세스 별 및 코어 별 트레이스를 실행할 수 있는 추가 코드가 포함 된 Intel PT 드라이버를 포함하고 있다. 즉 기존 1세대 PT에서 비정규화된 방식으로만 제한적인 접근이 가능했던 PT 트레이 스 정보를 2세대 PT에서는 운영 체제에서 제공하는 IOCTL 및 레지스트리 메커니즘을 통해 프로세스 별 및 코어 별 트레이 스를 실행할 수 있게 되었다. 본 논문에서는 1/2세대 PT를 이용하여 윈도우 환경에서 PT 데이터 패킷의 수집·저장·디코딩 및 악성코드 검출을 위한 방법을 비교·설명하였다.

If the operating system's core file contains an Intel PT, the debugger can not only check the program state at the time of the crash, but can also reconfigure the control flow that caused the crash. We can also extend the execution trace scop e to the entire system to debug kernel panics and other system hangs. The second-generation PT, the WinIPT library, inc ludes an Intel PT driver with additional code to run process and core-specific traces through the IOCTL and registry mec hanisms provided by Windows 10 (RS5). In other words, the PT trace information, which was limited access only by the first generation PT, can be executed by process and core by the IOCTL and registry mechanism provided by the operatin g system in the second generation PT. In this paper, we compare and describe methods for collecting, storing, decoding an d detecting malicious codes of data packets in a window environment using 1/2 generation PT.

본 연구는 웹 브라우저에서 실행되는 웹 UI의 동적 테스트를 위한 노코드(no-code) 기반 테스트케이스 및 시나리오 자동 생성 기법을 제안한다. 기존의 스크립트 작성이나 녹화 방식과 달리, 본 기법은 웹 브라우저에서 발생하는 이벤트를 감 지하여 관련 데이터를 자동으로 수집하고, 이를 기반으로 테스트케이스와 시나리오를 생성한다. 제안된 기법의 검증을 위해 자동 생성된 테스트케이스를 사용하여 재테스트를 실행한 결과, 수집 당시 테스트를 동일하게 재현할 수 있었으며 실행 결과 의 정확성도 확인되었다. 본 연구는 사람이 별도의 사전 작업 없이 동적 테스트를 자동 수행할 수 있는 가능성을 제시하며, 향 후 복잡한 사용자 인터랙션 처리영역까지 확장하여 복잡한 업무단위까지 확장할 수 있을 것이라 기대된다.

This research proposes a no-code-based test case and scenario generation technique for dynamic testing of web UIs running in a web browser. Unlike traditional scripting or recording methods, this method detects events occurring in a web browser, automatically collects relevant data, and generates test cases and scenarios based on them. To validate the proposed method, we ran retests using the automatically generated test cases and found that we were able to reproduce the same tests as when they were collected, and the accuracy of the execution results was confirmed. This study shows the possibility of automatically performing dynamic testing without any prior human intervention, and it is expected that it can be extended to complex user interaction processing areas and complex business units in the future.

Based on the in-depth study of the Android embedded application program frame and project file, this paper proposes a code generation method based on model rule, the method discusses the problem of the layout of the Android embedded application interface, defines the constraint rules between the components and component object model and event model. And code generation rules on the Android embedded applications are defined and used throughout the code generation process, it solves the visualization development of Android embedded application program and the code automatic generation. Finally, a simple examples is given to verify the process of automatic generation of Android embedded code.