http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이혁준(Hyukjoon Lee),이수미(SooMi Lee) 한국정보보호학회 2016 情報保護學會誌 Vol.26 No.2
비트코인(Bitcoin)은 P2P 네트워크상에 존재하는 실물 없는 화폐이다. 비트코인의 특징은 발행 기관의 통제가 없는 분산구조를 형성하고 네트워크가 연결된 곳 어디에서나 거래가 이루어질 수 있도록 신뢰성을 부여하고 있다는 것이다. 이러한 특징의 비트코인은 최초 등장 이래 하루 평균 약 21만 건, 1억 7천만 달러가 거래되는 규모로 성장했다. 화폐로서의 가치가 증가함에 따라 부당 이득을 취하려는 위협 또한 증가하게 될 것이다. 대표적으로 비트코인을 위협하는 행위로는 이중 지불, 부정 인출 등을 그 사례로 볼 수 있다. 하지만 아직까지 성장 단계에 있는 비트코인을 대상으로 발생될 수 있는 위협에 대한 인지는 부족한 실정이다. 이에 본 논문에서는 비트코인 신뢰 구조를 살펴보고 이를 기반으로 발생할 수 있는 다양한 위협들을 분석하고 대응방향을 제시하고자 한다.
IEEE 802.11g 기반의 차량간 통신을 위한 RTS / CTS 성능 분석
이우신(Woosin Lee),이혁준(Hyukjoon Lee),이현(Hyun Lee),오현서(HyunSeo Oh),신창섭(ChangSub Shin) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.1
IEEE 802.11 MAC은 정지상태 또는 저속 이동중의 사용을 목적으로 개발되었기 때문에 고속의 이동성을 갖는 차량간 통신 환경에서는 성능 개선이 요구된다. 본 논문에서는 차량간 통신에서 802.11 MAC의 성능 분석 및 개선점 도출을 위하여 ns-2 기반 IEEE 802.11g 시뮬레이터를 개발하였으며 차량간 통신 환경에서 RTS/CTS의 효용성을 측정 및 분석하였다.
이수현(Su-Hyun Lee),박찬일(Chan-Ill Park),강철호(Cheol-Ho Gang),이혁준(Hyukjoon Lee),이형근(Hyungkeun Lee),정용진(Yong-Jin Jeong) 대한전기학회 2008 대한전기학회 학술대회 논문집 Vol.2008 No.10
본 논문에서는 임베디드 환경을 위한 객체인식 시스템의 구조 및 실시간 처리를 위한 객체인식기의 하드웨어설계를 제안한다. 제안된 구조는 SIFT(Scale Invariant Feature Transform)를 이용하여 사물의 특징점을 추출하고, 비교하여 객체를 인식한다. SIFT는 영상의 크기 및 회전 등의 변화에 적응이 뛰어난 알고리즘이지만, 복잡한 연산이 반복되어 연산시간이 많은 특성상 임베디드 환경에서 실시간 처리가 어렵다. 따라서 해당 알고리즘을 하드웨어로 설계하여, 임베디드 사물인식 시스템에 적용한다. 사물인식의 빠른 처리와 인식영역의 구분을 위해 JSEG 영상분할 알고리즘을 활용하며, SIFT 특징점 추출 연산과 병렬 실행이 가능하도록 SIFT와 함께 하드웨어 구조로 설계한다.
MLP의 함수근사화 능력을 이용한 이동통신 3차원 전파 손실 모델링
이혁준(Seomin Yang),Hyukjoon Lee,양서민 한국정보과학회 1999 정보과학회논문지(B) Vol.26 No.10
셀를러 방식의 이동통신 시스템에서 전파의 유효신호 도달범위를 예측하기 위해서는 전파전파 모델을 이용한 예측기법이 주로 사용된다. 그러나, 전파과정에서 주변 지형지물에 의해 발생하는 전파 손실은 매운 복잡한 비선형적인 특성을 가지며 수식으로는 정확한 표현이 불가능하다. 본 논문에서는 신경회로망의 함수 근사화 능력을 이용하여 전파손실 예측모델을 생성하는 방법을 제안한다. 즉, 전파손실 송수신 안테나간의 거리, 송신안테나의 특성, 장애물 투과영향, 회절특성, 도로, 수면에 의한 영향 등과 같은 전파환경 변수들의 함수로 가정하고, 신경회로망 학습을 통하여 함수를 근사화한다. 전파환경 변수들이 신경회로망 입력으로 사용되기 위해서는 3차원 지형도와 벡터지도를 이용하여 전파의 반사, 회절, 산란 등의 물리적인 특성이 고려된 특징 추출을 통해 정량적인 수치들을 계산한다. 이와 같이 얻어진 훈련데이타를 이용한 신경회로망 학습을 통해 전파손실 모델을 완성한다. 이 모델을 이용하여 서울 도심 지역의 실제 서비스 환경에 대한 타 모델과의 비교실험결과를 통해 제안하는 모델의 우수성을 보인다. In cellular mobile communication systems, wave propagation models are used in most cases to predict cell coverage. The amount of propagation loss induced by the obstacles in the propagation path, however, is a highly non-linear function, which cannot be easily represented mathematically. In this paper, we introduce the method of producing propagation loss prediction models by function approximation using neural networks. In this method, we assume the propagation loss is a function of the relevant parameters such as the distance from the base station antenna, the specification of the transmitter antenna, obstacle profile, diffraction effect, road, and water effect. The values of these parameters are produced from the field measurement data, 3D digital terrain maps, and vector maps as its inputs by a feature extraction process, which takes into account the physical characteristics of electromagnetic waves such as reflection, diffraction and scattering. The values produced are used as the input to the neural network, which are then trained to become the propagation loss prediction model. In the experimental study, we obtain a considerable amount of improvement over COST-231 model in the prediction accuracy using this model.