Earticle

The evaluation of no-insulation (NI) high-temperature superconducting (HTS) typically uses the lumped equivalent circuit (LEC) model. Constant parameters in the NI HTS LEC model accurately predict voltage and central magnetic field at currents below the critical current. However, it is difficult to find constant circuit parameters that simultaneously satisfy the measured voltage and magnetic field under overcurrent conditions. Recent research highlights changes in contact resistance during transient conditions, which may impact power loss estimation in NI HTS coils. Therefore, we confirm the influence of contact resistance changes on loss calculation in the transient state for NI HTS coil. To achieve this, we introduce a measurement data analysis method based on the LEC model and compare it with the LEC model using constant circuit parameters.

본 연구는 주인-대리인 모델을 적용하여 데이터 산업의 이해관계자인 정부, 개인, 기업의 규제 이슈를 분석해내 는 데 목적이 있다. 데이터 산업은 거대한 딜레마적 상황에 직면해 있다. 데이터 경제의 중요성이 빠르게 부상하고 있으나, 데이터 사용에 대한 국가의 규제로 인해 산업 발전이 저해되는 한편, 데이터의 무분별한 활용으로 인한 개인의 프라이버시 역시 침해받고 있다. 본 연구에서는 기술적 사례연구의 방식을 이용하여 딜레마적 상황에서 각각의 행위자 들의 이해관계에 기반한 규제 이슈를 분석하고, 그에 대응할 수 있는 전략을 제시하였다. 사례분석 결과 첫째, 국내 데이터 산업의 주요 정책행위자는 데이터 회사와 정부이다. 둘째, 데이터 기반 사회에서 가장 우려스러운 두 가지 문제 점은 기업이 빈번하게 개인정보를 침해한다는 것과 국제적 기업의 데이터 독과점 현상이 나타난다는 점이다. 이러한 규제 이슈를 해결하기 위해 본 논문에서는 이에 대한 전략을 다음과 같이 제시하고 있다. 정부는 글로벌 기업의 감독을 위한 국내 대리인제도를 활성화하고 데이터 보호를 증대해야 한다. 기업은 차별적인 규제환경을 해결하고 합법적인 데이터 활용기준을 확장해야 한다. 마지막으로 개인은 능동적인 동의 행태를 구현해야 한다.

This study analyzes the regulatory issues of stakeholders, the firm, the government, and the individual, in the data industry using the principal-agent theory. While the importance of data driven economy is increasing rapidly, policy regulations and restrictions to use data impede the growth of data industry. We applied descriptive case analysis methodology using principal-agent theory. From our analysis, we found several meaningful results. First, key policy actors in data industry are data firms and the government among stakeholders. Second, two major concerns are that firms frequently invade personal privacy and the global companies obtain monopolistic power in data industry. This paper finally suggests policy and strategy in response to regulatory issues. The government should activate the domestic agent system for the supervision of global companies and increase data protection. Companies need to address discriminatory regulatory environments and expand legal data usage standards. Finally, individuals must embody an active behavior of consent.

개인에 관한 데이터(Personal Data)는 사물인터넷(Internet of Things)과 네크워크화된 기기에 의해서 빠르게 축적되고 재해석 된다. 이러한 데이터는 의료·금융·산업·서비스 분야 등에서 유용하게 활용되고 있다. 더욱이 고성능 센서기기로 수집되는 개인에 관한 데이터 는 다양한 분야에서 가치를 창출하고 활용될 것으로 기대하고 있다. 그러나 다른 한편으로 개인에 관한 데이터의 무분별한 수집과 제공으로 프라이버시 침 해나 당사자가 원하지 않는데도 데이터가 가공·이용되는 것에 대한 우려가 존재한다. 인공 지능(AI) 기술의 발전으로 수집된 데이터의 활용 가치와 중요도는 증가하나, 기술의 발전 과 더불어 예상하지 못한 프라이버시(Privacy)에 대한 부당한 침해로 연결될 수 있다. 이러 한 개인에 관한 데이터의 문제점을 해결하기 위해서 다음과 같이 개선방안을 제시하였다. 첫째는 개인정보 보호 관련 법제를 정비하여 개인정보의 범위와 종류를 세분화하고, 명 확하게 규정하는 등 철저한 관리가 필요하다는 점이다. 둘째는 사물인터넷, 빅데이터(Big Data) 등 새로운 분야의 성장과 더불어 개인정보를 효율적으로 활용, 관리할 수 있는 시스 템의 정비와 인공지능(AI)이 화상 데이터를 인식하여 수집·처리·보존·활용하는 절차와 규 제를 위한 법제화가 필요하다는 점이다. 셋째는 화상 데이터(Image Data)는 얼굴 인증데이 터(Face Authentication Data), 속성 데이터(Attribute Data), 카운트 데이트(Count Data) 등 복합적인 데이터를 포함하고 있으므로 각 유형별로 구분이 필요하다. 본고에서는 AI의 상용화에 따른 ｢개인정보 보호법｣상 개인정보의 개념과 화상 데이터를 포함한 개인정보의 이용, AI에 의한 프로파일링과 프라이버시 보호를 위한 논의를 하였다.

Personal data is quickly accumulated and reinterpreted by the Internet of Things and networked devices. Data on these individuals are usefully used in medical, financial, industrial and service sectors. Furthermore, personal data collected by high-performance sensor devices is expected to generate and utilize value in various fields. On the other hand, however, there are concerns about indiscriminate collection and provision of personal data, such as privacy breaches or the processing and utilization of data even though the parties do not want it. The development of artificial intelligence (AI) technology increases the value and importance of the utilization of the collected data, but with the development of technology, it can lead to an unjust violation of unexpected privacy. To address these individual data problems, the following improvement measures were proposed: The first is that thorough management is needed, such as rearranging the scope and type of personal information by overhauling the legislation related to the protection of personal information. Second, along with the growth of new fields such as the Internet of Things and Big Data, it is necessary to overhaul systems that can efficiently utilize and manage personal information, and to legislate for procedures and regulations for collecting, processing, preserving, and utilizing video data. Third, Image Data contains complex data such as Face Authentication Data, Attribute Data, and Count Data, so it needs to be distinguished for each type. In addition to the scope of personal information under the Personal Information Protection Act, we discussed the use of personal information, including video data, freedom of decision-making by AI, and prevention of privacy infringement.

Recently, cloud computing technology is rapidly growing at a faster rate offering cloud-based driver profiling applications with lower latency. In this study, we have proposed a computational efficient cloud-based architecture for the deployment of driver profiling deep learning algorithms. In order to validate the efficacy of the proposed architecture, we have evaluated the performance of the proposed deep learning architecture for the recent driver behavior identification using time series sensor data. We have utilized an Amazon web service-based cloud computing solution for the deployment of the proposed architecture. The experimental results show that the proposed architecture improves end-to-end latency by 3.1 times compared to the traditional method.

최근 빅데이터 산업의 확대로 고품질의 데이터를 확보하는 것이 중요한 이슈로 떠오르고 있다. 고품질의 데이터 를 확보하기 위해서는 데이터에 품질에 대한 정확한 평가가 선행되어야 한다. 데이터의 품질은 데이터에 대한 통계와 같은 메타정보를 통해 평가할 수 있는데 이러한 메타정보를 자동으로 추출하는 기능을 데이터 프로파일링이라고 하다. 지금까지 데이터 프로파일링 소프트웨어는 기존의 데이터 품질 또는 시각화 관련 소프트웨어의 부품이나 추가적인 서비 스로 제공되는 것이 일반적이었다. 따라서 프로파일링이 요구되는 다양한 환경에서 직접적으로 사용하기에는 적합하지 않았다. 본 논문에서는 이를 해결하기 위해 마이크로 서비스 아키텍처를 적용하여 다양한 환경에서 서비스가 가능한 데 이터 프로파일링 소프트웨어의 개발 결과를 제시한다. 개발된 데이터 프로파일러는 restful API를 통해 데이터의 메타 정보에 대한 요청과 응답을 제공하여 사용하기 쉬운 서비스를 제공한다. 또한, 특정 환경에 종속되지 않고 다양한 빅데이 터 플랫폼이나 데이터 분석 도구들과 원활한 연계가 가능하다는 장점이 있다.

Recently, acquisition of high quality data has become an important issue as the expansion of the big data industry. In order to acquiring high quality data, accurate evaluation of data quality should be preceded first. The quality of data can be evaluated through meta-information such as statistics on data, and the task to extract such meta-information is called data profiling. Until now, data profiling software has typically been provided as a component or an additional service of traditional data quality or visualization tools. Hence, it was not suitable for utilizing directly in various environments. To address this problem, this paper presents the development result of data profiling software based on a microservice architecture that can be serviced in various environments. The presented data profiler provides an easy-to-use interface that requests of meta-information can be serviced through the restful API. Also, a proposed data profiler is independent of a specific environment, thus can be integrated efficiently with the various big data platforms or data analysis tools.

As competition among the corporations in the service industry is growing fiercer, efficient management of customer feedback is necessary in order to grasp customer needs, which change day by day. Recently the corporations have been trying to obtain customer feedback using Big Data from social media, which contains the diverse voices of the customers. Therefore, the corporations focus their attention on how to analyze and utilize the Big Data, which is a key resource of the mobile smart revolution. Firstly, this paper proposes a profiling method that can effectively analyze company reputation in the service industry. To that purpose, the proposed system extracts and lists a set of specialized target sites for each service. This paper proposes a methodology which detects issues by analyzing diverse data patterns as a method for analyzing the Big Data of social media. The Issue-detected Methodology defines the independent variables as contents and writers which affect the spread of negative public opinions, and the dependent variables as average reaching time and speed of the issues. The influence of the negative public opinions is detected concerning issues based on the numbers of tweets and re-tweets. . The service providing corporations may prepare appropriate measures by the issue detection prior to spread of negative public opinions.