Earticle

Nanocrystalline porous silicon surfaces have been used to detect nitroaromatic compounds in vapor phase. The mode of photoluminescence is emphasized as a sensing attitude or detection technique. Quenching of photoluminescence from nanocrystalline porous surfaces as a transduction mode is measured upon the exposure of nitroaromatic compounds. Reversible detection mode for nitroaromatics is, too, observed. To verify the detection afore-mentioned, photoluminescent freshly prepared porous silicons are functionalized with different groups. The mechanism of quenching of photoluminescence is attributed to the electron transfer behaviors of quantum-sized nano-crystallites in the porous silicon matrix to the analytes(nitroaromatics). An attempt has been done to prove that the surface-derivatized photoluminescent porous silicone surfaces can ac

This study investigated how the persuasive effects of message framing (gain vs. loss) on behavioral intentions differ across behavior types (prevention vs. detection) and whether these effects are moderated by multitasking. Based on previous research, it was hypothesized that loss frames would be more effective for detection behaviors, while gain frames would be more effective for prevention behaviors. These effects were expected to diminish under multitasking conditions. A laboratory experiment was conducted with 100 Korean adults. Participants in the multitasking condition were instructed to play an online game on a computer while reading a message on another computer. The results revealed no significant main effects of message framing on intentions for either prevention or detection behaviors. However, as hypothesized, the greater effectiveness of loss frames compared to gain frames in promoting detection behaviors was observed under non-multitasking conditions, but this effect disappeared when multitasking was present.

크립토재킹 공격은 암호 화폐 채굴에 필요한 컴퓨팅 자원을 탈취하여 사용자의 가용성을 침해하는 공격이다. 공 격의 대상은 일반적인 데스크톱이나 서버 환경에서부터 클라우드 환경까지 점차 다변화되고 있다. 따라서 다양한 컴퓨팅 환경에 적합한 크립토 마이너 탐지 기법의 적용이 필수적이다. 하지만 기존의 탐지 방법론들은 특정 환경에서만 탐지가 시행되었기 때문에 환경별로 적용할 수 있는 방법론에 대해서 비교분석이 제대로 수행되지 않았다. 따라서 본 연구에서는 종래의 크립토 마이너 탐지 기법들에 대한 분류 기준을 수립하고, 각자 다른 실험 환경과 데이터 셋을 기반으로 한 기존의 크립토 마이너 탐지 기법에 대한 심층적인 비교분석을 통해 클라우드 환경에서 적용 가능한 복합적이고 통합적인 탐지 프레임워크를 제시한다.

A crypto-jacking attack is an attack that infringes on the availability of users by stealing computi ng resources required for cryptocurrency mining. The target of the attack is gradually diversifying from general desktop or server environments to cloud environments. Therefore, it is essential to ap ply a crypto-minor detection technique suitable for various computing environments. However, sinc e the existing detection methodologies have only been detected in a specific environment, comparat ive analysis has not been properly performed on the methodologies that can be applied to each env ironment. Therefore, in this study, classification criteria for conventional crypto-minor detection tec hniques are established, and a complex and integrated detection framework applicable to the cloud environment is presented through in-depth comparative analysis of existing crypto-minor detection techniques based on different experimental environments and datasets.

CNN 기반의 악성코드 탐지모델을 활용하기 위해 다양한 이미지 형식을 사용할 수 있다. 하지만 대부분의 기존 연구들은 최종적인 악성코드 탐지 및 분류 성능을 주로 강조하고 있으며, CNN에 입력되는 이미지의 형식이 모델의 성능과 자원 사용 량에 미칠 수 있는 영향은 거의 고려하지 않는다. 이에 본 논문에서는 CNN을 기반으로 안드로이드 악성코드를 탐지하는 모 델을 구축함에 있어 입력되는 이미지 형식이 탐지성능과 학습에 소요되는 자원의 사용량에 어떠한 영향을 미치는지를 분석하 였다. CICAndMal2017 데이터세트를 사용하여 BMP, JPG, PNG 및 TIFF 4가지 형식의 이미지로 변환하고, 자체적으로 구축 한 CNN 모델에 학습시킨 후 악성코드 탐지성능과 자원 사용량을 측정하였다. 그 결과 이미지 형식에 따른 이진분류 및 다중 분류 성능과 GPU 및 RAM 사용량은 큰 차이를 보이지 않았다. 그러나 생성된 이미지의 파일 크기는 이미지 형식에 따라 최 대 6배까지 차이가 났으며, 학습에 소요되는 시간에서도 유의미한 차이가 발생함을 확인하였다.

Various image formats are being used when attempting to construct a malware detection model based on CNN. However, most previous studies emphasize only the detection or classification performance, and do not take into account the possible impact of image format on detection performance and resource usage. Therefore, in this paper, we analyze how the input image formats affect detection performance and resources usage when detecting android malware based on CNN. The dataset used in the experiment is the CICAndMal2017 Dataset. Subdataset extracted from the CICAndMal2017 Dataset were converted into images in four formats: BMP, JPG, PNG, and TIFF. We then trained our CNN model and measured malware detection performance and resource usage. As a result, there was no sifnificant difference between detection performance and the GPU/RAM usage, even if the image format changed. However, we found that the file size of the generated images varied by up to six times depending on the image format, and that significant differences occurred in the training time.

본 연구에서는 한국의 남해안 연안 해역 퇴적물에서 10개 과불화화합물(Perfluorinated Compounds, PFCs)의 검출 특성과 해수에서 연도별 PFCs의 농도를 조사하였다. 채취된 시료에 대한 기기분석법은 liquid chromatography tandem mass spectrometry (LC/ESI-MS/MS) 법을 사용하여 분석하였다. PFOA (erfluorooctanonic acid) PFOS (perfluorooctane sulfonate), PFNA (perfluorononanoic acid), PFDA (perfluorodecanoic acid), PFUnDA (perfluoroundecanoic acid), PFDoDA (perfluorododecanoic acid) 의 6 종류 PFCs 가 남해안 연안 해역 퇴적물에서 검출되었다. 총 PFCs 값은 모든 지점에서검출되었으며, 검출 농도는 0.085-0.705 ng/g.dw (dry weight)의 범위로 나타났다. 2015년 남해안 해역 퇴적물에서 출현빈도 및 농도가 높은 PFCs 는 PFOA와 PFOS 이었으며, 평균 농도 범위는 각각 0.065-0.175 ng/g.dw (dry weight) 와N.D.-0.34 ng/g.dw (dry weight) 였다. 그러나 남해안 해역 해수에서는 PFOA, PFNA, PFHxS (perfluorohexane sulfonate), PFOS의 4종류 PFCs 가 검출되었다. 3년 동안 남해안 해역 해수에서 출현 빈도 및 농도가 높은 PFCs는 PFOA와 PFOS 이었으며, 연도별 평균 농도 범위는 각각 7.27-25.52 ng/L와 N.D.-33.51 ng/L으로 나타났다. 이러한 결과는 한국 남해안연안 해역 퇴적물 및 해수에서 PFOA와 PFOS의 화합물에 대한 지속적인 모니터링의 필요성을 시사한다.

The objective of this study is to investigate the detection characteristics of 10 perfluorinated compounds (PFCs) in the coastal sediment and annual concentration of PFCs in sea water of Southern Coast, South Korea, which is part of an ongoing program of monitoring on the local distribution of PFCs. All samples were analyzed by liquid chromatography tandem mass spectrometr y (LC/ESI-MS/MS). 6 PFCs were detected in the coastal sediment of Southern Coast, which are perfluorooctanonic acid (PFOA), perfluorooctane sulfonate (PFOS), perfluorononanoic acid (PFNA), perfluorodecanoic acid (PFDA), perfluoroundecanoic acid (PFUnDA), and perfluorododecanoic acid (PFDoDA). Total PFCs were detected at all sampling sites of the coastal sediment, and average concentration of total PFCs were in the range of 0.085 to 0.705 ng/g.dw (dry weight). PFCs with high detective frequency and high concentration in the coastal sediment of Southern Coast were PFOA and FFOS, and average concentration of PFOA and PFOS in 2015 year were in the range of 0.065 to 0.175 ng/g.dw and N.D. to 0.34 ng/g.dw, respectively. However, 4 PFCs were detected in the sea water of Southern Coast, which are PFOA, PFNA, PFHxS (perfluorohexane sulfonate), PFOS. PFCs with high detective frequency and high concentration in sea water of Southern Coast were also PFOA and FFOS, and annual average concentration of PFOA and PFOS during three years were in the range of 7.27 to 25.52 ng/L and N.D. to 33.51 ng/L, respectively. These results suggest that continuous monitoring by year of PFOA and PFOS is needed in the coastal sediment and sea water of Southern Coast, South Korea.

Synthesis and characterization of alkyl-capped nanocrystalline silicon (R-n-Si) have been achieved from the reaction of silicontetrachloride with magnesiumsilicide. Surface of silicon nanocrystal has been derivatized with various alkyl groups (R=methyl, n-butyl, etc.). Silicon nanoparticles have been also obtained by the sonication of luminescent porous silicon. Former exhibits an emission band at 360 nm, but latter exhibits an emission band at 680 nm. In this study very sensitive detection of TNT (2,4,6-trinitrotoluene), DNT (2,4-dinitrotoluene), NB (nitrobenzene), and PA (picric acid) has been achieved in gas phase with porous silicon using photoluminescence quenching of the silicon crystallites as a transduction mode. Porous silicon are electrochemically etched from crystalline silicon wafers in an aqueous solution of hydrofluoric acid. We have characterized these silicon nanoparticles by Luminescence Spectrometer (LS 55)

컬러 영상 처리 기반의 연기 검출은 화재의 조기 검출에 적합한 검출 대상이다. 연기 검출을 위한 방법으로 움직임과 색상이 전처리로서 처리되며, 확산, 질감, 형태, 방향성 등의 성질이 후처리로서 사용된다. 본 논문은 연기의 특성 중 밀도적인 분포 특성 검출방법을 제안한다. 연기의 움직임을 10Frame 간격으로 1초 동안 축적한 이미지에 색상을 문턱치 처리해 후보영역을 생성하고,OBTP(Object Block Ternary Pattern)을 적용해 연기의 패턴임을 확인한다. 모든 처리는 Block 기반으로, 움직임 검출은 차분 영상에 적응 문턱치를 적용해 움직이는 물체의 후보영역을 결정했다. 결정된 후보영역을 1초간 축적하고 연기 색상의 문턱치 조건을적용한다. 각각의 연기 후보 영역을 특정 위치의 16개 Block 값을 중앙 Block 값과 비교하고 삼진화 된 패턴을 연기의 패턴과 비교하여 연기를 결정한다.

Color image processing based on smoke detection is suitable detecting target to early detection of fire smoke. A methodfor detecting the smoke is processed in the pre-processing movement and color. And Next, characteristics of smoke suchas diffusion, texture, shape, and directionality are used to post-processing. In this paper, propose the detection method ofdensity distribution characteristic in characteristics of smoke. the generate a candidate regions by color thresholding imagein Detecting the movement of smoke to the 10Frame interval and accumulated while 1second image. then check whetherthe pattern of the smoke by candidate regions to applying OBTP(Object Block Ternary Pattern). every processing isBlock-based processing, moving detection is decided the candidate regions of the moving object by applying an adaptivethreshold to frame difference image. The decided candidate region accumulates one second and apply the threshold conditionof the smoke color. make the ternary pattern compare the center block value with block value of 16 position in eachcandidate region of the smoke, and determine the smoke by compare the candidate ternary pattern and smoke ternary pattern

지정차로제는 교통류 관리 측면에서 차량 유형별 차로 이용을 규제해 혼잡을 줄이고 교통사고 를 예방하는 데 중요한 역할을 한다. 그러나 많은 운전자들이 이를 알고도 법규를 준수하지 않아 관리와 감시 시스템의 개선 필요성이 제기된다. 본 연구는 지정차로제 위반을 검지하기 위해 시각 거대언어모형(large language model, LLM)과 합성곱 심층신경망(convolutional neural network, CNN) 기반 multi-modal 알고리즘을 제안한다. 연구 과정에서 국내 도로 주행 영상을 수집하고, LLM 프롬프트를 정의해 도로 이미지 정보를 추출하였다. 이를 바탕으로 multi-modal CNN 모델을 학습시켰다. 분석 결과, 제안된 모델은 단순히 이미지나 텍스트만 학습한 비교대상 모델보다 높은 정확도를 보였다. 본 연구는 정보가 없는 이미지에서 LLM을 활용해 정보를 추출 하고, 이를 바탕으로 학습된 모델을 이용하여 지정차로제 위반을 검지함으로써 도로교통 안정성 향상에 기여할 것으로 기대된다.

The designated lane system plays a crucial role in reducing congestion and preventing traffic accidents by regulating lane usage based on the vehicle types from a traffic flow management perspective. On the other hand, non-compliance remains prevalent despite the drivers' awareness of the regulations, highlighting the need for improved monitoring and enforcement systems. This study proposes a multi-modal algorithm for detecting designated lane violations using a combination of large language models (LLMs) and convolutional neural networks (CNNs). This research collected driving footage from domestic roads, and LLM prompts were defined to extract road image information. A multi-modal CNN model was trained based on this, and its results were analyzed. The proposed model showed higher accuracy than traditional models trained solely on either image or text data. This study is expected to improve road traffic safety by leveraging LLMs to extract information from raw images and using a trained model to detect designated lane violations effectively.

현재 무선 이동 통신 기술은 빠른 속도로 발전되고 있으며 새로운 기술의 출현과 함께 빠르게 진화되고 있다. 이러한 발전을 기반으로 스마트폰의 이용자는 빠르게 늘어나고 있고 스마트 폰의 대중화에 따라 무선 네트워크의 사용은 쉽고 편리해졌다. 그러나 보안적인 관점에서 무선은 유선 네트워크에 비해 취약한 상태이며 본 논문에서 스마트폰을 활용한 모바일 AP 기술의 보안 취약점을 지적하였다. 즉, 사내 보안 기능을 갖춘 기업 망을 우회하여 기업 내의 정보를 외부로 유출하는 등의 기술로 악용 될 수 있다는 것이다. 이에 본 논문에서는 인증 네트워크 내에서 스마트 폰을 이용한 비인가 AP(Access Point)의 탐지 및 차단하는 기법에 대해 제안한다. 비 인가된 모바일 AP의 탐지는 리눅스 환경에서 개발 한 탐지 프로그램을 사용하였으며 무선 센서를 통해 비 인가된 모바일 AP의 무선 패킷을 분석하였다. 또한 무선 센서를 통해 탐지된 비인가 모바일 AP는 무선 패킷에 정보를 분석하여 본 논문에서 제안하는 차단 기법을 통해 차단하였다.

Owing to the development of wireless infrastructure and mobile communication technology, There is growing interest in smart phone using it. The resulting popularity of smart phone has increased the Mobile Malicious AP-related security threat and the access to the wireless AP(Access Point) using Wi-Fi. mobile AP mechanism is the use of a mobile device with Internet access such as 3G cellular service to serve as an Internet gateway or access point for other devices. Within the enterprise, the use of mobile AP mechanism made corporate information management difficult owing to use wireless system that is impossible to wire packet monitoring. In this thesis, we propose mobile AP mechanism-based mobile malicious AP detection and prevention mechanism in radius authentication server network. Detection approach detects mobile AP mechanism-based mobile malicious AP by sniffing the beacon frame and analyzing the difference between an authorized AP and a mobile AP mechanism-based mobile malicious AP detection.

오늘날 네트워크의 속도와 인터넷 기술의 발전과 동시에 윈도우 취약점을 통한 악성코드가 많 이 발생하고 있다. 악성코드는 여러 감염 형태 및 특성이 있어 바이러스 백신을 이용하여 탐지 하기도 어려울 뿐만 아니라 제거하는 것도 쉽지 않다. 본 논문은 윈도우 악성코드의 분류와 특 징을 분석하여 프로그램을 이용한 악성코드의 위치를 파악하고 신종 악성코드에 대한 신속한 대응을 위해 스크립트 기술을 제안 한다.

Nowadays, the network’s speed and internet technology are progressing rapidly but malwares are occurring frequently through the Window’s weak point. Since the malwares have various infection types and characteristics, it is hard to detect them by the virus vaccine and to cure them. This paper analyzes the type and characteristics of the malware and proposes a script technology that can find the location of the malware by the program and respond rapidly to the new kind of malwares.

본 논문에서는 저조도 야간 감시 시스템을 위한 열영상 기반의 객체 검출 알고리즘을 제안한 다. 기존 Adaboost를 이용한 Haar 특징점 선택 알고리즘은 학습 샘플에 대한 유사하거나 중복되 는 특징점의 선택 문제와 잡음에 취약한 경우가 많았다. 또한 저조도 야간 환경의 감시 영상에서 얻어지는 잡음을 특징점 세트에서 제거하고 빠르고 효율적인 실시간 특징점 선택이 이루어질 수 있게 가벼운 확장형 Haar 특징점과 Adaboost 학습 알고리즘을 사용하여 구현하였다. 야간 저 조도 환경에서 움직임이 있는 비예측 객체를 인식하기 위하여 열영상으로 촬영된 이미지에 확장 Haar 특징점을 사용하여 객체를 인식한다. 비디오 프레임 800*600 크기의 열영상 이미지를 입력 으로 하는 Adaboost 학습 알고리즘을 CUDA 9.0 플랫폼으로 구현하여 시뮬레이션을 시행한다. 그 결과 객체 검출 결과는 성공률이 약 90% 이상임을 확인하였고, 이는 일반영상에 히스토그램 이퀄라이징 연산을 거쳐 얻어진 연산 결과보다 약 30% 더 빠른 처리 속도를 얻을 수 있었다.

In this paper, we propose a thermal imagery-based object detection algorithm for low-light level nighttime surveillance system. Many features selected by Haar-like feature selection algorithm and existing Adaboost algorithm are often vulnerable to noise and problems with similar or overlapping feature set for learning samples. It also removes noise from the feature set from the surveillance image of the low-light night environment, and implements it using the lightweight extended Haar feature and adaboost learning algorithm to enable fast and efficient real-time feature selection. Experiments use extended Haar feature points to recognize non-predictive objects with motion in nighttime low-light environments. The Adaboost learning algorithm with video frame 800*600 thermal image as input is implemented with CUDA 9.0 platform for simulation. As a result, the results of object detection confirmed that the success rate was about 90% or more, and the processing speed was about 30% faster than the computational results obtained through histogram equalization operations in general images.

본 연구에서는 지하 매립관 및 상하수도 누수에 기인한 공동 등에 대한 탐사를 GPR(Ground Penetrating Radar)을 사용하여 평가하였다. 평가는 대형 토조를 만들어 콘크리트 흄관 및 PE관을 매립하고, 매립관 주변에 공동을 만들고 매립한 후 진행하였다. 평가 결과, 매립관의 탐사는 용이하였으며, 아스팔트 포장 및 무근 콘크리트 포장의 경우, 공동의 탐사가 용이한 것으로 평가되었다. 또한 매립관과 유사한 깊이 및 근접하게 공동이 매설된 경우 매립관 신호에 공동 신호가 묻혀 탐사가 어려운 것으로 평가되었다. 매립관 보다 위에 묻힌 공동은 탐사가 용이한 것으로 평가되었다.

In this study, the detection of underground pipes and cavities due to underground water and sewage pipes leaking were evaluated by using a GPR (Ground Penetrating Radar). After that the burying concrete hume pipe, PE pipe, and cavity in test tank, GPR evaluation process was carried. According to the exploration results, the detection of underground pipes were easy, and the case of plain concrete pavement and asphalt pavement, cavities detection were easy. And the detection of cavities which were buried similar depth or horizontally close to the underground pipes, were evaluated as difficult caused by strong signal of the underground pipes. Also the detection of cavities which were buried above the underground pipes were estimated easy.

최근 네트워크 환경에서는 사이버 위협에 대한 해결책을 찾는 노력이 높아지고 있다. 특히, 사이버 보안 측면에서 악의적인 행위를 막기 위해서 사이버 보안에 AI가 통합되고 있다. 본 논문에서는 네트워크 리소스를 다양 한 클라우드 서비스를 제공할 수 있도록 디지털 트인 기반의 전방 공격 탐지 모델의 성능평가를 제안한다. 제안 모델은 안전한 데이터 저장 및 검증을 위해 블록체인을 통합한 IoT 환경에 AI 기반 IDS 프레임워크을 사용한다. 제안 모델은 네트워크 내 모든 장비를 블록체인 블록으로 묶어 처리함으로써 클라우드 내 IoT 리소스의 특징별 블록들의 교차 분석을 통해 보안 점검이 이루어지지만, 최소 오류는 허용한다. 성능평가 결과, 제안 모델은 학습 중 모든 카테고리에서 고르게 리샘플링함으로써 생성기가 소수 클래스에서도 학습할 수 있도록 보장하여 프론트 러닝 공격 탐지 성능을 향상시켰다. 또한 제안 모델은 실제 데이터의 조건부 분포를 학습하여 실제 데이터와 합성 데이터를 더 잘 구분하였다.

In recent network environments, efforts to find solutions to cyber threats are increasing. In particular, AI is being integrated into cybersecurity to prevent malicious behavior in terms of cybersecurity. In this paper, we propose the performance evaluation of the forward attack detection model using a digital open-based blockchain so that network resources can provide various cloud services. The proposed model uses an AI-based IDS framework in the IoT environment that integrates blockchain for secure data storage and verification. The proposed model manages additional information that can handle the rights of IoT resources as blockchain blocks. The proposed model performs a security check through cross-analysis of blocks by IoT resource characteristics in the cloud by grouping all equipment in the cloud into blockchain blocks, but allows for minimum errors. As a result of the performance evaluation, the proposed model evenly resampled in all categories during learning, ensuring that the generator could learn even in a few classes, thereby improving the front learning attack detection performance. In addition, the proposed model better distinguished between actual data and synthetic data by learning the conditional distribution of actual data.

전방 낙하물과 같은 돌발상황이 발생했을 때 신속하고 적절한 정보 제공은 도로 위 이용자 들의 편의를 가져다주고 2차 교통사고 또한 효과적으로 줄일 수 있다. 도로 상의 돌발상황은 현재 국내에서 루프 검지기나 CCTV 등 ITS 기반 검지 체계를 사용하여 주로 검지하고 있다. 이러한 방식은 검지기의 검지 구간에서의 도로 위 데이터만을 얻을 수 있다. 때문에, 기존 ITS 기반 검지체계의 공간적 음영구간에서 돌발상황을 찾아내기 위하여 새로운 검지 수단이 필요 하다. 이에 본 연구에서는 차량 내 설치된 단말기에서 촬영된 영상으로부터 돌발상황을 검지 및 분류하는 ResNet 기반 알고리즘을 제안한다. 국내 고속도로 전방 주행영상을 수집하였고, 돌발상황 유형을 클래스로 정의하여 각 데이터를 라벨링한 후, 제안한 알고리즘으로 데이터를 학습시켰다. 학습 결과, 개발한 알고리즘은 데이터 수가 상대적으로 적었던 일부 클래스를 제 외하고 정의한 돌발상황 클래스에 대하여 높은 검지율을 보였다.

Swift and appropriate responses in emergency situations like objects falling on the road can bring convenience to road users and effectively reduces secondary traffic accidents. In Korea, current intelligent transportation system (ITS)-based detection systems for emergency road situations mainly rely on loop detectors and CCTV cameras, which only capture road data within detection range of the equipment. Therefore, a new detection method is needed to identify emergency situations in spatially shaded areas that existing ITS detection systems cannot reach. In this study, we propose a ResNet-based algorithm that detects and classifies emergency situations from vehicle camera footage. We collected front-view driving videos recorded on Korean highways, labeling each video by defining the type of emergency, and training the proposed algorithm with the data.

본 논문에서는 GPS L1 신호에 대한 기만의 종류 및 이를 검출하기 위한 방법에 대한 연구를 수행하고 GPS L1 신호에 대한 기만신 호 검출 및 판단 알고리즘을 구현한 후 시뮬레이션을 통하여 성능을 분석하였다. 수신기의 동작 여부에 따라 기만과 재밍신호가 차이가 있으며 기만신호는 재밍신호와 달리 GPS 신호와 유사한 신호로 수신기를 공격하므로 기만 대상 수신기에서는 정상동작 하는 것처럼 판단하게 되며 따라서 수신기에서 기만공격을 판단하기란 매우 어렵다. 기만신호 검출 및 판단 알고리즘의 성능을 검증 하기 위하여 소프트웨어 기반의 기만신호/정상 GPS 신호생성기와 소프트웨어 기반의 수신기를 구현하였다. 본 논문에서 기만신호 의 코드지연 및 도플러 주파수 변이에 따른 수신기의 DLL/PLL의 출력 오차를 확인하였다. 또한 수신기의 출력값인 의사거리, 신호 세기, 항법해를 이용하여 기만신호 검출 및 판단 알고리즘을 구현하였으며 기만신호를 효율적으로 검출 및 판단할 수 있었다.

In this paper, we investigate the type and detection methode of spoofing attack, and then analyze the performance of spoofing detection algorithm in GPS L1 signal through the simulation. Generally spoofer is different from the jammer, because the receiver can be operated and not. In case of spoofing the GPS receiver is hard to recognize the spoofing attack and can be operated normally without stopping because the spoofing signal is the mimic GPS signal. To evaluate the performance of spoofing detection algorithm, both the software based spoofing and GPS signal generator and the software based GPS receiver are implemented. In paper, we can check that spoofing signal can affect to the DLL and PLL tracking loop because code delay and doppler frequency of spoofing. The spoofing detection algorithm has been implemented using the pseudorange, signal strength and navigation solution of GPS receiver and proposed algorithm can effectively detect the spoofing signal

이 논문에서는 WiMedia UWB 시스템에서 사용되는 간섭검출 및 회피기술(DAA기술)을 구현하기 위한 주파수 영역에서의 효율적인 희생 시스템 검출 기법을 제안한다. 제안하는 주파수 영역 검출기법(FDCD)은 수신된 신호와 주파수 영역 기준 시퀸스(FDRS)간의 상호 상관(cross-correlation)에 기반한다. 제안하는 기법은 시간영역 검출 기법과 그 성능이 유사한데 반해 복잡도는 절반 수준을 갖기 때문에, DAA 기술을 구현하기 위한 효율적인 간섭 검출 기법이다.

In this paper, a low complexity detection scheme is proposed to detect victim systems in WiMedia UWB systems. The proposed frequency-domain coherent detection (FDCD) scheme is based on cross correlation with frequency-dimain reference sequences (FDRS) which are derived from the preamble sequence of victim systems. The detection performance is almost the same as that of a time-domain coherent detection scheme and computational complexity is about half.

드론을 이용하여 네트워크 공격을 시도하는 연구는 이전에도 많이 있었지만, 네트워크를 방어하는 연구는 상대적으로 많지 않았다. 이 논문에서 우리는 드론과 라즈베리 파이를 이용하여 무선 네트워크를 모니터링할 수 있는 디텍트론을 제안한다. 디텍트론은 무선 네트워크 상에서 WaidPS와 Wi-Fi Harvesting Module이라는 툴을 이용하여이블트윈 공격, 브루트포스 공격 같은 비정상적인 네트워크 트래픽과 사설 AP를 감지할 수 있으며, 이 결과를 관리자에게 알려줄 수 있다. 또한 드론은 사람보다 이동성이 좋기 때문에, 점검자가 직접 무선 네트워크를 찾아다니면서점검을 하지 않아도 되며, 이로 인해 시간적·비용적 측면에서 이득을 볼 수 있다. 우리는 디텍트론을 직접 구현하였고, 실험을 통하여 넓은 범위의 네트워크를 드론 하나로 모니터링 할 수 있다는 것을 확인할 수 있었다.

There has been a lot of research that attempted to do network attacks using drones, but there are relatively few studies to defend networks. In this paper, we propose Detectron, which can monitor on wireless network by using a drones with raspberry pi. Detectron can use WaidPS and Wi-Fi Harvesting Module to detect an anomaly network traffic like Evil-Twin attack and Brute Force attack, and Unauthorized AP on wireless network, and then can notify to administrators. Also, because Detectron has better mobility than person, inspector do not need to move to inspect the access point, accordingly we can get a benefit from both in terms of time and cost. We have implemented Detectron and we have been able to verify that a wide area of networks can be monitored with a single drone through experiments.

A new porous silicon (PSi) microcavity sensor for the detection of volatile organic compounds (VOCs) was developed. PSi microcavity sensor exhibiting unique reflectivity was successfully obtained by an electrochemical etching of silicon wafer. When PSi was fabricated into a structure consisting of two high reflectivity muktilayer mirrors separated by an active layer, a microcavity was formed. This PSi microcavity is very sensitive structures. Reflection spectrum of PSi microcavity indicated that the full-width at half-maximum (FWHM) was of 10 nm and much narrower than that of fluorescent organic molecules or quantum dot. The detection of volatile organic compounds (VOCs) using PSi microcavity was achieved. When the vapor of VOCs condensed in the nanopores, the refractive indices of entire particle increased. When PSi microcavity was exposed to acetone, ether, and toluene, PSi microcavity in reflectivity was red shifted by 28 nm, 33 nm, and 20 nm for 2 sec, respectively.

A new porous silicon (PSi) microcavity sensor for the detection of volatile organic compounds (VOCs) was developed. PSi microcavity sensor exhibiting unique reflectivity was successfully obtained by an electrochemical etching of silicon wafer. When PSi was fabricated into a structure consisting of two high reflectivity muktilayer mirrors separated by an active layer, a microcavity was formed. This PSi microcavity is very sensitive structures. Reflection spectrum of PSi microcavity indicated that the full-width at half-maximum (FWHM) was of 10 nm and much narrower than that of fluorescent organic molecules or quantum dot. The detection of volatile organic compounds (VOCs) using PSi microcavity was achieved. When the vapor of VOCs condensed in the nanopores, the refractive indices of entire particle increased. When PSi microcavity was exposed to acetone, ether, and toluene, PSi microcavity in reflectivity was red shifted by 28 nm, 33 nm, and 20 nm for 2 sec, respectively.