Earticle

In this paper, we expand the Phantom Sponge attack to monocular 3D object detection to increase false positives and detection times, thereby impairing the performance of edge devices. We introduce alpha-blending with a Universal Adversarial Patch (UAP) to modulate attack strength. Extensive experiments on KITTI, Rope3D, and NuScenes datasets across various hardware GPUs assess the UAP's impact. We also analyze power consumption, temperature, and other metrics on NVIDIA Jetson devices under UAP attacks. Our findings reveal the vulnerability of NMS-dependent models and edge devices to UAP attacks, the generalization of UAP, and the need for robust defenses in real-time applications.

Power output from large-scale solar farms is often plagued by anomalies that can adversely impact grid integration. This paper presents an anomaly detection system that used Siamese-twin neural networks for anomaly detection on edge devices in a solar farm. The model achieved an F1-score of 0.88 and was evaluated using two multi-threading schemes on a Raspberry PI, Nvidia Nano and Google Coral. A single analytics edge device could service 512 solar panels at 1 Hz. The best hardware platform was Nvidia’s Nano using a TensorFlow Lite model consuming about 35 Wh over 12 h, and with maximum CPU utilization not exceeding 60%.

Anomaly detection is a critical requirement across diverse domains to promptly identify abnormal behavior. Conventional approaches often face limitations with uninterpretable anomaly detection results, impeding efficient decision-making processes. This paper introduces a novel hybrid approach, the convolutional LSTM Bayesian neural network with nonparametric dynamic thresholding (ConvLSTMBNN-DT) for prediction-based anomaly detection. In addition, the model integrates fine-tuned generative pre-training version 4 (GPT-4) to provide human-interpretable explanations in edge?cloud environments. The proposed method demonstrates exceptional performance, achieving an average of 0.91 and an area under the receiver operating characteristic curve ( ) of 0.86. Additionally, it effectively offers comprehensible decision-support explanations.

본 논문은 SDN 환경의 경량 엣지 인증 절차 안전성을 재구성 관점에서 분석하여, 키 재사용, 신선도 검증 미흡, 주체 결합 부재, 게이트웨이 신뢰 취약성 등의 핵심 약점을 확인하였다. 이를 보완하고자, ECDHE 기반 에페 멀 키 합의, 논스/타임스탬프 강제 검증, ECC 기반 상호 인증, 그리고 명시적 게이트웨이 보증 절차를 추가하는 수정안을 제안하였다. 이 수정안은 연산량 증가 없이 SDN 엣지 아키텍처의 현실적 공격에 대한 견고성을 유의미 하게 높여, 경량성과 보안성을 확보하며 실배치 가능성을 유지한다.

This paper analyzed a lightweight edge authentication protocol for SDNs, finding critical vulnerabilities including key reuse, lack of entity binding, and insecure gateway assumptions. Enhancements proposed include ephemeral key agreement, freshness enforcement, mutual ECC authentication, and explicit gateway attestation. These modifications significantly improve security against advanced SDN attacks while preserving computational efficiency and maintaining deployment feasibility.

그레이스케일 수학적 형태학에 기초한 에지 검출 알고리즘의 방법은 영상 노이즈를 제거와 병렬처리 가능 하고 연산속도가 빠르다는 장점을 갖고 있다. 그러나 단일 구조적 스케일 요소를 사용하여 영상의 에지 검출을 하는 방법은 영상정보에 따라서 영향을 받을 수 있다. 그레이스케일 형태학의 특성은 구조적원소를 반복하여 확장, 침식, 열림, 담힘 연산을 함으로써 연산 결과 에지정보 결과에 제한적일 수 있다. 본 논문에서 잡음에 강인한 방향 성을 갖는 구조적원소를 적용한 후 원소내의 각 픽셀 정보에 가중치 엔트로피를 적용하는 에지 검출 알고리즘을 제안한다. 영상에 적용하는 멀티 스케일 구조적 요소를 적용한 결과와 방향성 가중치 엔트로피를 적용한 연산결과 를 비교분석하였으며, 시뮬레이션 결과는 제안된 알고리즘이 에지 검출에서 우수함을 보였다.

The method of the edge detection algorithm based on grayscale mathematical morphology has the advantage that image noise can be removed and processed in parallel, and the operation speed is fast. However, the method of detecting the edge of an image using a single structural scale element may be affected by image information. The characteristics of grayscale morphology may be limited to the edge information result of the operation result by repeatedly performing expansion, erosion, opening, and containment operations by repeating structural elements. In this paper, we propose an edge detection algorithm that applies a structural element with strong directionality to noise and then applies weighted entropy to each pixel information in the element. The result of applying the multi-scale structural element applied to the image and the result of applying the directional weighted entropy were compared and analyzed, and the simulation result showed that the proposed algorithm is superior in edge detection.

실제 이미지에서 에지의 속성을 찾아내고 그 정확한 위치를 지정하기 위하여 밝기 분포에 대한 국소적 미분 대신에 “적응성 방향 미분”(Adaptive Directional Derivative, ADD)이라는 비국소적 연산자를 도입함으로써 에지의 램프 폭의 변화에 무관하게 적용할 수 있는 알고리듬이 개발되었다. 본 논문에서는 이러한 알고리즘에 의한 에지 검출 시스템을 개발하고 기존의 알고리듬에 의한 것과 비교분석한다

order to detect and locate edge features precisely in real images we have developed an algorithm by introducing a nonlocal differentiation of intensity profiles called adaptive directional derivative (ADD), which is evaluated independently of varying ramp In this paper, we first develop the edge detector system employing the ADD and then, the performance of the algorithm is illustrated by comparing the results to those from the Canny’s edge detector.

이미지에서 에지의 속성을 찾아내고 그 정확한 위치를 지정하기 위하여 밝기 분포에 대한 국소적 미분 대신에 “적응성 방향 미분”(Adaptive Directional Derivative, ADD)이라는 비국소적 연산자를 도입함으로써 에지의 램프 폭의 변화에 무관하게 적용할 수 있는 알고리듬을 개발하였다. 본 논문에서는 이미 제안한 적응성 방향 미분을 이용한 에지 검출 시스템을 현재 에지 검출을 위해 보편적으로 사용되고 있는 Cany 알고리듬과의 성능평가를 실험을 통해 보여준다

In order to detect and locate edge features precisely in real we have developed an algorithm by introducing a nonlocal differentiation of intensity profiles called adaptive directional derivative (ADD), which is evaluated independently of varying ramp widths. In this paper, we first develop the edge detector system employing the ADD and then, the perform-ance of the algorithm is illustrated by comparing the results to those from the Canny’s edge detector.

본 연구는 투명 성질을 가진 물방울의 윤곽선에 대한 효율적인 검출을 통해 분석 장비의 자동 측정에 대한 정확성을 향상시키는 것을 목적으로 한다. 투명성질을 가지는 원의 윤곽선 검출을 위해 밝기 분포에 대한 국소적 미분 대신에 적응성 방향 미분(Adaptive Directional Derivative ；ADD)이라는 비국소적 연산자를 도입함으로써 에지의 램프 폭의 변화에 무관하게 에지 검출 에 적용할 수 있는 MADD(Modified Adaptive Directional Derivative) 알고리즘을 사용한다. 이 방 법은 램프 구간 내에서 방향 미분 값을 가중치로 사용하여 픽셀들의 위치를 평균한 방향 미분 의 국소 중심(Local Center of Directional Derivative；LCDD)등의 위치를 찾는 추가적인 과정 없이, 정확한 에지 픽셀의 위치가 완전 선명화 사상에 의한 단순 계단 함수의 위치로 자연스럽 게 결정될 수 있다. 제시된 에지 검출 방법을 표면분석 기술인 접촉각 연산에 적용하여 실험 및 결과 분석을 통해 제안 기법의 타당성 및 효율성을 검증한다.

In this paper, we try to improve the accuracy of automatic measurement for analysis equipment by detecting efficiently the edge of a waterdrop with transparency. In order to detect the edge of a waterdrop with transparency, we use an edge detecting technique, MADD (Modified Adaptive Directional Derivative), which can identify the ramp edges with various widths as the perfectly sharp edges and respond effectively regardless of enlarging or reducing the image. The proposed edge detecting technique by means of perfect sharpening of ramp edges employs the modified adaptive directional derivatives instead of the usual local differential operators in order to detect the edges of image. The modified adaptive directional derivatives are defined by introducing the perfect sharpening map into the adaptive directional derivatives. Finally we apply the proposed method to contact angle arithmetic and show the effiency and validity of the proposed method.

얼굴 검출 및 정렬은 많은 어플리케이션에서 사용되며 딥러닝의 발전으로 성능이 많이 향상되었다. 하지 만 대부분의 최신 얼굴 검출 및 정렬 방법들은 매우 많은 연산을 필요로 하여 자원이 제한되는 모바일 환경이나 임베디드 시스템과 같은 엣지 장치에서 활용이 어려운 문제가 있다. 이를 해결하기 위해 본 논문에서는 EdgeFace 라는 새로운 얼굴 검출 및 정렬 기법을 제안하여 엣지 장치에서 속도와 정확성 측면에서 우수한 성능을 달성한다. 0.3M 파라미터를 초과하지 않으며 기존 경량 백본 보다 우수한 정확도를 달성하는 EdgeFaceNet이라는 새로운 경량 백본을 설계하고 검출 네트워크 부분에서는 특징 맵 스케일링 및 앵커 박스 설정을 사용하여 정확도 손실 없이 속도를 개선하도록 최적화하였다. WIDER FACE Hard 데이터셋에 대한 실험에서 EdgeFace는 83.8%의 정 확도로 Nvidia Tesla K80 GPU 에서 120 FPS, Nvidia Jetson Nano에서 26 FPS의 속도를 달성하였다.

Although recent face detection tasks have made significant progress, applying them to edge devices is still a difficult task. In this paper, we propose a new face detector called EdgeFace to achieve excellent performance in terms of speed and accuracy on edge devices. We design a new lightweight backbone called EdgeFaceNet and present a channel attention-based detection network. The backbone does not exceed 0.3M parameters and achieves better accuracy than existing lightweight backbones. In the detection network part, feature map scaling and anchor box settings are used to optimize to improve speed with meaningful accuracy, and improve the utilization contextual by channel-attention. From experiments on WIDER FACE hard dataset, EdgeFace achieves state-of-the-art performance among the lightweight face detection methods and runs at 120 FPS on Nvidia Tesla K80 GPU and 26 FPS on Nvidia Jetson Nano.

본 논문에서는 엣지컴퓨팅 기반 객체검출 및 Pan-Tilt-Zoom(PTZ) 제어를 활용한 다중객체의 순차추적 방법을 제 안한다. 제안하는 방법은 순찰단계와 순차추적단계로 나누어 PTZ 제어를 수행한다. 먼저 순찰 단계에서 카메라의 화각을 기준점으로 이동시킨 후 사전 정의된 이동 패턴에 따라 순찰 기동을 반복 수행한다. 순찰 기동 중 입력되는 모든 영상 프레임에서 사전 정의된 이상상황의 발생여부를 확인하기 위하여 객체검출 및 식별자 부여를 수행한다. 이상상황이 발생중이라고 판단되면 제안하는 방법은 순차추적단계로 진입하여 사전에 정의된 규칙과 현재 상황이 반영된 객체별 우선 추적 순위를 설정한다. 이 순위에 따라 제안하는 방법은 각 객체를 집중 촬영하기 위한 PTZ 제 어를 순차적으로 수행한다. 순차추적이 모두 끝나면 제안하는 방법은 이상상황을 처음 인지한 화각으로 돌아간 뒤 여전히 이상상황이 존재한다면 순차추적을 반복하고, 그렇지 않다면 순찰단계로 돌아오게 된다. 제안하는 방법의 성 능을 평가하기 위해 스쿨존에서의 돌발상황을 즉시 인지하는 시나리오에 맞춰 실험을 설계하였다. 실험결과, 제안하는 방법은 0.951의 F1 Score로 이상상황을 판별하면서 24 frame per seconds의 처리 속도를 보이며 그 유효성을 입증하였다.

In this paper, a method for sequential tracking of multi-object using edge computing-based object detection and Pan-Tilt-Zoom(PTZ) control is proposed. The proposed method performs PTZ control in two procedures, which are patrol stage and sequential tracking stage. In the patrol stage, the proposed method firstly moves the camera’s angle of view to the reference point then follows the predefined moving procedure for sequential patrol. During the patrol, object detection and identifier assignment are conducted on inputted video frames to recognize incident of the predefined abnormal situations. In case the abnormal situation is on going, the proposed method switches the mode into sequential tracking stage, and by the predefined rules and current situations, assigns the tracking priorities. Followed by the priority, the proposed method conducts PTZ controls in sequential order to capture each objects related to the incident. After all the sequential tracking is over, the proposed method returns back to the angle of view at which the initial abnormal situation was recognized, and then repeats the sequential tracking if the abnormal situation still exists, and returns to the patrol stage otherwise. In order to evaluate the performance of the proposed method, an experiment was designed according to the scenario of immediately recognizing traffic accidents in the school zone. As a result of the experiment, the proposed method proved its effectiveness by showing an F1 score of 0.95 for discriminating abnormal situations with showing a processing speed of 24 frames per seconds.

엣지 네트워크는 AI를 이용하여 다양한 IoT 장치의 안전성을 높이기 위한 연구를 다양하게 진행하고 있지만 IoT 장치 간 기능을 연결해주는 유연성 및 이동성에 제약이 있어 안전성의 최적화가 쉽지 않다. 본 논문에서는 CNN-LSTM 하이브리드 모델과 연합 학습, 그리고 블록체인 DPoS 합의 알고리즘을 결합하여 엣지 네트워크의 보안성과 효율성을 극대화한 IoT 이상 탐지 모델을 제안한다. 제안 모델은 트래픽의 공간적 패턴과 시간적 선후 관계를 동시에 분석함으로써 고도화된 이상 징후를 실시간으로 포착한다. 또한, 제안 모델은 데이터 자체를 이동시키지 않고 모델의 가중치만을 공유하는 연합 학습 아키텍처를 도입하여, 데이터 프라이버시를 보호하는 동시에 개별 엣지 노드의 탐지 성능을 향상시켰다. 실험 결과, 제안 모델은 IoT 시계열 데이터에서 96.1%의 높은 탐지 정확도를 기록하였으며, 연합 학습을 통 해 프라이버시를 보호하는 동시에 블록체인 합의 과정의 최적화로 트래픽 처리량을 4배 향상시켰다.

The edge network is conducting various studies to increase the safety of various IoT devices using AI, but optimization of safety is not easy due to limitations in the flexibility and mobility that connect functions between IoT devices. In this paper, we propose an IoT anomaly detection model that maximizes the security and efficiency of edge networks by combining CNN-LSTM hybrid model, federated learning, and blockchain DPoS consensus algorithm. The proposed model captures advanced anomalies in real time by simultaneously analyzing the spatial pattern of traffic and the temporal precedence relationship. In addition, the proposed model introduced a federated learning architecture that shares only the weight of the model without moving the data itself, protecting data privacy, and improving the detection performance of individual edge nodes. As a result of the experiment, the proposed model recorded a high detection accuracy of 96.5% on IoT time series data, and at the same time, improved traffic throughput by 4 times by optimizing the blockchain consensus process while protecting privacy through federated learning.

This paper proposes a modified bacterial foraging algorithm with a probabilistic derivative approach to detect edges in chromosome images. Chromosomal Edge Detection is fundamental for automatic karyotyping for noise reduction and getting useful messages from the edges. Subjected to staining and other imaging constraints, chromosomal banding patterns lack in resolution, contrast and suffer from noise. For this reason, chromosomal edge detection is highly preferred prior to the segmentation and classification of chromosomes. When the chromosomes occlude or overlap, edge detection becomes extremely difficult. Edge detection is highly challenging and this paper presents a Modified Bacterial Foraging Algorithm (MBFA) based on a probabilistic derivative methodology based on Ant Colony Optimization (ACO) for the detection of edges in chromosomes. Bacterium searches for the nutrients in the direction decided by a probabilistic derivative approach derived from ACO and the edge pixels are identified and traversed. The study reveals that MBFA gives the most promising results in detecting chromosomal edges, greatly reducing the computation time and memory requirements. Acceptable values of parameters for performance evaluation like Kappa (K) and Entropy (E) are achieved with the proposed algorithm in comparison to the other conventional methods of edge detection.

Flame edge detection from color images is a challenging research area recently. In this paper, an extension of active contour model is proposed by adding the two information types to both internal and external energy terms. Therefore, the combination of these two forces allows for flexible initialization of the contours. This energy is then incorporated into a level set formulation with a level set regularization term that is necessary for accurate computation in the corresponding level set method. Edge extraction of different flame images using C-V model and the classical edge detection operators are compared and analyzed. Experimental results show that the existing methods do not emphasize the continuity and clarity of the flame and fire edges while the proposed method identifies the continuous and clear edges of the flame fire.

Edge detection aims to mark sharp intensity changes in an image and is a basis for a large number of image analysis and machine vision applications. Ant colony optimization is an evolutionary optimization algorithm which is inspired by food searching behaviour of ant species. An edge detection algorithm that combines an ant colony optimization and fuzzy logic is presented in this paper. The heuristics information for movement of ants is decided by using fuzzy logic. Experimental results are provided to demonstrate the superior performance of proposed method.

Analysis and several common edge detection algorithm is improved, and put them in the original experiment results were compared with the results in this paper, we defined the new threshold, fully explained in this paper, we define the rationality and validity of the threshold value. Kirsch of traditional algorithm was improved, and improve the efficiency of the algorithm, and verify the rationality of the defined threshold and improve the ability to suppress noise.

In order to research the problem of the gray edge and leaving out some edges during detecting the color edges, the color contrast enhancement algorithm is designed that it dependences on decomposing the interrelated color component of the color images based on RGB color model. And the edge detection improved method is proposed based on the above algorithm. Namely, the components edges are computed by the gradient operators after the components are enhanced and the color image edges are composed. The experimental results show that the color edges are detected through the proposed method and the algorithm has the advantage of keeping the more edge details than the other ways. Because the algorithm is an improved method of pixel processing based on three components of RGB color model, it needn’t transform one color model to the other color model, so it is a more simple method than the other methods.

본 논문에서는 LoG(Laplacian of Gaussian) 기반의 윤곽선 검출 기법을 통한 새로운 미세먼지 측정 방법을 제안한다. 미세먼지 측정을 위하여 CCTV 기반의 영상 이미지를 수집하고, RoI(Region of Interest)를 통해 이미지 범위를 지정한다. 지정된 영역에 GMM(Gaussian Mixture Model)을 적용하여 군집화 후, LoG 알고리즘을 통해 윤곽 선을 검출하고 검출된 윤곽선 강도를 측정한다. 측정된 윤곽선의 강도 데이터를 기반으로 미세먼지의 농도를 결정한다. 본 논문에서 제안하는 알고리즘의 효용성을 입증하기 위하여 본교 연구실 주위에 설치된 CCTV 영상 이미지를 6~7월 한 달간 수집하여 적용한 결과, 측정된 결과값은 미세먼지 농도와 범위를 계산하기에 충분함을 본 실험을 통해 입증하였다.

In this paper, we propose a new method for measuring fine dust through a LoG(Laplacian of Gaussian)-based edge detection technique. CCTV-based images in a video are collected for fine dust measurement, and image ranges are designated through RoI(Region of Interest). After clustering by applying the GMM(Gaussian Mix Model) to the specified area, we detect edge through the LoG algorithm and measure the detected edge strength. The concentration of fine dust is determined based on the measured intensity data of the edge. In this paper, we propose algorithm as the effectiveness of experiment. As a result of collecting and applying CCTV image in the video installed around the laboratory of this school for a month from June to July, the measured result value was proved through this experiment to be sufficient to calculate the concentration and range of fine dust.

본 논문에서는 CCTV를 활용하여 K-means, Sobel-mask 기반의 윤곽선 검출 기법을 이용한 영상 속 미세먼지 측정 방법을 제안한다. 제안하는 알고리즘은 CCTV 카메라를 이용하여 이미지를 수집하고 관심영역을 통해 이미지 범위 를 지정한다. K-means 알고리즘을 적용하여 군집화가 완료되면 Sobel-mask를 통해 윤곽선을 검출하고 윤곽선 강도 를 측정하며, 측정된 데이터를 바탕으로 미세먼지의 농도를 파악한다. 제안하는 방법은 대각선 측정에 장점을 가지는 Sobel-mask의 특성을 활용하여 산맥의 윤곽선을 추출하고 실험 결과로 미세먼지 농도에 따른 검출의 차이를 보여준다.

In this paper, we propose a method of measuring Fine dust in images using K-means and Sobel-mask based edge detection techniques using CCTV. The proposed algorithm collects images using a CCTV camera and designates an image range through a region of interest. When clustering is completed by applying the K-means algorithm, outline is detected through Sobel-mask, edge strength is measured, and the concentration of fine dust is determined based on the measured data. The proposed method extracts the contour of the mountain range using the characteristics of Sobel-mask, which has an advantage in diagonal measurement, and shows the difference in detection according to the concentration of fine dust as an experimental result.