Earticle

본 논문은 사용자가 소유한 각자의 집합을 Xi 라 할 때, 모든 사용자 집합들의 합집합 Y = ∪Xi 에 대하여 Y 에 속하는 각 원소들의 빈도수가 임계값 (Threshold) α 보다 자주 나타나는 원소들로만 구성된 집합을 효율적으로 계산하는 방법을 설계하고 분석하는 것이다. 특히 각 사용자가 자신의 집 합을 공개하지 않은 상태에서 효율적으로 이러한 집합을 얻기 위한 것이다. 본 논문에서는 이러한 목 적을 달성하기 위해, 암호학적 도구로 가환암호를 사용하여 사용자가 자신의 집합의 원소를 외부에 공개하지 않은 상태에서 목적으로 하는 집합만 계산할 수 있는 Protocol을 설계한다. 추가로 제안하는 Protocol이 암호학적으로 안전하다는 것을 암호학적 가정을 기반으로 자세히 증명한다. 가환암호 는 안전성의 보장과 연산의 효율성을 동시에 제공해주며, 추가로 Protocol 수행하는 도중 전송 효율성을 개선하기 위하여 Bloom filter를 어떻게 적용할 수 있는지 제시한다.

This paper deals with the problem in which users require to compute a set which only have elements of which frequency is greater than or equal to a threshold value α while keeping their private multisets from other users secret. To this end, we use as a main cryptographic tool, commutative encryption to address the privacy issue in this problem. Commutative encryption allows to protect the elements of sets from being revealed to others while preserving its computational efficiency. Further, we apply the Bloom filter to improve the transmission amount between users during execution of the protocol.

국제적인 금융위기가 연달아 발생하면서, 금융리스크관리의 중요성이 어느 때보다 더 커지고 있다. 금융리스크관리의 주요 현안 가운데 하나는 리스크를 어떻게 측정할 것인가이며, 가장 널리 사용되고 있는 방법이 Value at Risk(VaR)이다. 금융자료가 최근 시장에서처럼 두꺼운 꼬리를 갖는 분포를 보일 때, 우리는 극단치 이론을 이용하여 VaR를 측정하는 방법을 고려할 수 있다. 이 논문에서는 꼬리가 매우 두꺼운 분포를 갖는 자료를 적합시킬 때 많이 사용되는 Peaks over Threshold(POT)를 이용하여 VaR를 측정하는 방법을 연구하였다. POT를 이용하기 위해서는 우선 일반화 파레토 분포(GPD)의 모수를 추정해야 하는데, 여기서 우리는 KOSPI 5분 자료를 이용하여 추정된 VaR의 성능을 살펴봄으로써 세 가지 다른 모수추정 방법을 비교하였다. 또한, Normal Inverse Gaussian(NIG) 분포에서 자료를 생성하여 두 가지 다른 모수추정 방법을 비교하기도 하였다. 이러한 비교를 통하여 KOSPI 수익률 자료의 첨도가 매우 큰 경우에는 최근 제안된 모수추정 방법들이 최대가능도 추정법에 비해 월등히 나은 성능을 보임을 알 수 있었고, 모의실험 자료에서도 같은 결과를 확인하였다.

The importance of financial risk management has been highlighted after several recent incidences of global financial crisis. One of the issues in financial risk management is how to measure the risk; currently, the most widely used risk measure is the Value at Risk(VaR). We can consider to estimate VaR using extreme value theory if the financial data have heavy tails as the recent market trend. In this paper, we study estimations of VaR using Peaks over Threshold(POT), which is a common method of modeling fat-tailed data using extreme value theory. To use POT, we first estimate parameters of the Generalized Pareto Distribution(GPD). Here, we compare three different methods of estimating parameters of GPD by comparing the performance of the estimated VaR based on KOSPI 5 minute-data. In addition, we simulate data from normal inverse Gaussian distributions and examine two parameter estimation methods of GPD. We find that the recent methods of parameter estimation of GPD work better than the maximum likelihood estimation when the kurtosis of the return distribution of KOSPI is very high and the simulation experiment shows similar results.

Climate-related risks occurring worldwide are becoming increasingly diverse, and extreme events of greater intensity are occurring more frequently than in the past. Consequently, there is growing interest in compound risks arising from multiple extreme phenomena occurring simultaneously. This study aims to provide a unified statistical framework for analyzing climate-change risks exhibiting nonstationarity by employing the Peaks-Over-Threshold approach to the bivariate extreme value distribution, specifically through the generalized Pareto distribution. The primary focus is to detect concurrent extreme events?abnormal heat and drought during the Korean summer?and to quantify their dependence structure. The results show that exceedances of both maximum temperature and drought above predefined thresholds are well characterized by a bivariate GPD model. The spatial distribution of joint exceedances is concentrated primarily in parts of Jeollanam-do and Gyeongsangbuk-do, while union exceedances are mainly observed in the Gyeongsangbuk-do region. Within the joint-exceedance domain, maximum temperature and drought exhibit a weak positive dependence.

This letter describes a two-phase clock oxide thin-film transistor shift register that executes a robust operation over a wide threshold voltage range and clock coupling noises. The proposed circuit employs an additional Q generation block to avoid the clock coupling noise effects. A SMART-SPICE simulation shows that the stable shift register operation is established for the clock coupling noises and the threshold voltage variation from -4 V to 5 V at a line time of $5{\mu}s$. The magnitude of coupling noises on the Q(15) node and Qb(15) node of the 15th stage is respectively -12.6 dB and -26.1 dB at 100 kHz in the proposed circuit, compared to 6.8 dB and 10.9 dB in a conventional one. In addition, the estimated power consumption is 1.74 mW for the proposed 16-stage shift registers at $V_{TH}=-1.56V$, compared to 11.5 mW for the conventional circuits.

The goal of this study was to extend a multi-time-over-threshold (MToT) based multi-channel front-end circuit and field-programmable gate array only data acquisition (DAQ) without analog-to-digital converter or time-to-digital converter for the development of a proof-of-principle positron emission tomography (PET) system. The proposed system was configured with two detector modules, each having a 4 × 2 detector block (128 ch/detector module). The performance of the PET system using a 256-channel analog circuit and a DAQ system was evaluated by measuring energy resolution and time resolution. These values were 20 % and 1.5 ns, respectively. The calculated data packet containing energy, time, and position information was formed into 64-bit single event data package and sent to the host computer using USB 3.0 control interface. Experiment results revealed that the spatial resolution was 2.1 mm at the center and 2.2 mm at 20 mm from the center. The Derenzo Phantom based experiment showed sufficient distinguish for Hod-rod of various radius, confirming the viability of the proposed proof-of-principle system.

이변량 빈도해석은 일반적으로 고정지속기간 강우량에 대해 빈도해석하는 단변량 빈도해석에 비해 지속기간을 확률변수로 이용하여 강우량과 동시에 확률변수로 사용할 수 있다는 장점이 있다. 하지만 확률분포형의 차원이 증가하기 때문에 기존 단변량 빈도해석에서 요구되던 표본크기보다 더 많은 표본이 필요하다. 우리나라 강우관측소의 경우 오래된 관측소의 경우에도 기록년수가 60년을 넘지 않아 연최대계열로 확률표본을 작성할 경우 이변량 빈도해석을 수행하기에 부족할 수 있다. 따라서 본 연구에서는 Peaks Over Threshold (POT) 방법을 이용하여 적정 확률표본을 선택하는 연구를 진행하였다. 서울 기상청 지점의 강우자료로부터 최소무강우시간을 이용하여 모든 강우사상을 추출하였으며 각 강우사상의 강우량과 지속기간이 확률변수로 사용되었다. 기존에 알려진 POT 방법들과 Anderson-Darling 적합도 검정을 이용한 절단값 산정방법등을 적용하여 확률표본 개수의 변화에 따른 주변분포형의 적합도 검정과 이변량 확률모형의 적합성을 살펴보았다.

본 논문은 스트리밍 환경에서 동적 임계점에 기반한 스트리밍 서버의 고장탐지와 Fail-Over 구조를 제안한다. 지속적이며 투명한 서비스를 사용자에게 지원하기 위해서는 서버 고장에 대한 서비스 중단 시점을 정확하고 빠르게 탐지해야 한다. 기존의 서버 고장탐지 방식은 고정된 시간, 즉 최대 서버 응답시간을 사용하여 서버의 고장을 탐지함으로써 네트워크 상태에 따라 고장탐지 시간이 증가하는 단점을 가진다. 임계점이 서버 응답지연시간을 초과하게 되면 서버에게 고장여부를 확인하기 위한 질의를 보내는데 제안된 기법은 이러한 임계점을 네트워크 상태에 따라 서버응답 지연시간의 변동에 동적으로 적응되도록 하는 방법이다. 동적 임계점을 사용하여 네트워크 상태에 가장 적합한 임계점을 찾을 수 있다는 것을 보이고 성능을 검증한다.

기상 이변으로 인해 증가하는 극한 호우 피해에 효과적으로 대응하기 위해서는 호우 주의보 및 경보 발령 기준이 되는 강우량을 정확히 추정하는 것이 매우 중요하다. 본 연구는 한반도 전역의 5km 공간 해상도를 가진 일누적 강우량 자료를 활용하여 한반도 집중호우인 장마와 태풍에 따른 극한 강우 패턴을 모의하는 것을 목표로 한다. 먼저, 극한 강우 자료의 특성을 정확히 반영할 수 있는 최대 임계값을 도출하였고, 이를 기반으로 극한 강우 사건을 모의하기 위해 심층 합성곱 생성적 적대 신경망(DCGAN)을 제안하였다. 생성된 강우 이미지의 품질 평가는 FID(Frechet Inception Distance), 재구성 손실(reconstruction loss), MAPE(Mean Absolute Percentage Error) 등의 평가 지표를 사용하였다. 분석 결과, 강우 발생 사건 수의 상위 0.01%를 임계값으로 설정하는 것이 손실된 정보를 효과적으로 절충(trade-off)하는 데 가장 적절한 것으로 나타났다. DCGAN 모델은 장마와 태풍 상황에서 정량적 강우 추정에 유용한 것으로 분석되었으며, 특히 200mm/day 이하의 강우 사건 모의에서 기존 모델에 비해 모든 지표에서 우수한 성능을 보였다. 생성된 이미지는 국지적 강우 패턴을 충실히 반영하여 특정 지역에서 발생할 수 있는 자연재해의 가능성을 예측하고 대비하는 데 유용한 정보를 제공할 수 있을 것으로 기대된다.

To effectively respond to the increasing damage caused by extreme rainfall due to climate change, it is crucial to accurately estimate the rainfall threshold that triggers heavy rain advisories and warnings. This study aims to simulate extreme rainfall patterns associated with monsoons and typhoons over the Korean Peninsula by using daily cumulative rainfall data with a 5km spatial resolution. First, a maximum threshold was determined to represent the characteristics of extreme rainfall data best and a Deep Convolutional Generative Adversarial Network (DCGAN) model was proposed to simulate such extreme rainfall events. The quality of the generated rainfall images was evaluated using metrics such as Frechet Inception Distance (FID), reconstruction loss, and Mean Absolute Percentage Error (MAPE). Analysis results indicated that setting the threshold at the top 0.01% of rainfall events achieved the most effective trade-off in preserving information. The DCGAN model proved useful for quantitative rainfall estimation in monsoon and typhoon scenarios, showing superior performance across all metrics, especially for events with rainfall amounts below 200mm/day, compared to conventional models. The generated images effectively captured localized rainfall patterns and are expected to provide valuable information for predicting and preparing for potential natural disasters in specific areas.