http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
정밀안전진단에 활용되는 터널스캐너의 성능평가 방법론 개발
배성재,정욱,짬릿스레이와타나,김찬진,김정렬 한국재난정보학회 2020 한국재난정보학회 학술대회 Vol.2020 No.11
터널스캐너는 터널의 정밀안전진단을 위해 개발된 첨단장비로 이미 국내 터널의 정밀안전진단 현장에 도입되어 사용되고 있다. 터널스캐너를 활용하면 터널의 균열, 박리, 박락 등 다양한 손상정보에 대한 데이터를 육안점검보다 빠르게 도출해 낼 수 있다. 그러나 국내에는 터널과 같은 시설물 점검에 활용되는 첨단장비에 대한 검증체계가 없다. 그로 인해, 정밀안전진단 수행자는 통일되지 않은 방식으로 평가된 첨단장비의 사양을 토대로 장비를 선정해야 한다. 이는 터널 정밀안전진단에서 요구 하는 수준의 결과물을 도출할 수 없는 장비의 활용을 야기할 수 있다. 이런 문제를 해결하기 위해 통일된 기준으로 첨단장비를 검증하는 것이 필요하다. 이에 본 연구에서는 터널스캐너의 검증을 위한 성능평가 방법론의 기본방향과 성능평가 지표를 제시 하였다. 해당 방법론은 성능평가 지표들에 대한 성능값을 측정한 후 카탈로그 형식으로 제시한다. 또한, 터널스캐너의 터널 정 밀안전진단을 통해 얻고자 하는 결과물에 영향을 미치는 항목들과 결과물의 정확도를 판단하는 항목들을 도출하여 성능평가 지표로 제시하였다.
터널 균열 검출에 활용되는 터널스캐너의 성능검증 방법론
배성재,정욱,짬릿 스레이와타나,김찬진,김영민,홍성호,김정곤,김정렬,Bae, Sung-Jae,Jung, Wook,Chamrith, Sereivatana,Kim, Chan-Jin,Kim, Young-Min,Hong, Sung-Ho,Kim, Jung-Gon,Kim, Jung-Yeol 한국재난정보학회 2021 한국재난정보학회 논문집 Vol.17 No.1
Purpose: Recently, due to increasing usage of high-tech equipment for facility inspection, the need of verifying high-tech equipment is being emphasized. Therefore, the purpose of this paper is to develop performance evaluation methodology of tunnel scanners that inspect tunnel facilities. Method: This paper describes literature reviews regarding the performance evaluation methodology of high-tech based equipment for facility inspection. Based on these investigations and expert advisory meetings, this paper suggests a performance evaluation methodology of tunnel scanner. Result: First evaluation indicator states minimum performance standards of tunnel scanners. Second evaluation indicator is related to tunnel scanner quality. Conclusion: The performance evaluation methodology can provide reliable equipment performance catalogues, helping users to make a proper selection of equipment. Also, developers of equipment can get authorized verification of performances, preventing poor maintenance of facilities. 연구목적: 최근 시설물 점검 및 진단에 있어 활용되는 첨단장비들이 증가하여 첨단장비의 검·인증제도의 필요성이 대두되고 있다. 본 연구는 시설물 점검 및 진단에 활용되는 터널스캐너의 성능검증 방법론을 제시하는 것을 목적으로 한다. 연구방법: 시설물 점검 및 진단에 활용되는 첨단장비의 성능검증 사례를 조사하고 전문가 자문회의를 통해 터널스캐너 성능검증 방법론을 제시하였다. 연구결과: 본 연구에서 제안하는 터널스캐너 성능검증 방법론은 1차 평가와 2차 평가로 구성된다. 1차 평가지표는 최소요구성능을 기준으로 구성되고, 2차 평가지표는 터널스캐너의 품질에 관여된 지표들로 구성된다. 결론: 본 연구에서 제시한 터널스캐너의 성능검증 방법론은 장비 사용자에게 공인된 성능 카탈로그를 제공할 수 있으며, 장비 개발자는 장비의 공인된 검증을 받을 수 있어 부실한 유지관리를 예방할 수 있을 것으로 기대된다.
배성재,천인국 대한핵의학회 2022 핵의학 분자영상 Vol.56 No.4
Peripheral arterial disease (PAD) is a critical disease which is presented by occlusion of peripheral arteries, while it could result in amputation of the involved limbs if it remained untreated before it would progress into tissue necrosis. It is usually diagnosed by CT angiography or conventional angiography, but its early diagnosis is challenging because its symptoms may be absent or like those of other diseases. In this case report, the authors showed that an atypical soft tissue uptake of lower limb incidentally found on a bone scintigraphy resulted in early diagnosis and successful treatment outcome of PAD.
바벨 궤적 트래킹 및 운동 자세 분석을 통한 웨이트 트레이닝 보조 시스템
배성재(Seongjae Bae),오준석(Joonsuk Oh),하란(Rhan Ha) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.12
본 프로젝트는 SNS등 대중 매체들로 인해 강조된 웨이트 트레이닝의 장점들의 이면에 존재하는 부상 위험성에 주목하여, 업로드 된 영상 속 잘못된 운동 자세를 감지하여 사용자에게 피드백을 제공하는 프로그램을 개발하였다. 기존의 바벨 트래킹 프로그램들이 탑재하였던 바벨 탐지 및 바벨 궤적 추적기능 뿐 아니라 발목, 무릎관절을 추가로 탐지하여 시전자의 스쿼트 자세를 분석, 피드백하는 프로그램을 개발한 후, 테스트 데이터를 통해 정확도를 검증한다. 이는 비슷한 원리로 동작해야 하는 여러 다른 웨이트 트레이닝 자세에 대한 분석 및 피드백이 가능하다는 점 또한 시사한다. This project has developed a program that provides feedback to users by detecting incorrect exercise posture in the uploaded video, paying attention to the risk of injury that exists behind the advantages of weight training emphasized by mass media such as social media. After developing a program that analyzes and feeds back the casters squat posture by additionally detecting the ankle and knee joints as well as the barbell detection and barbell trajectory tracking functions installed in the existing barbell tracking programs, the accuracy is verified through test data. This also suggests that analysis and feedback for several different weight training postures that should operate on a similar principle is possible.
Native API 의 효과적인 전처리 방법을 이용한 악성 코드 탐지 방법에 관한 연구
배성재(Seong-jae Bae),조재익(Jae-ik Cho),손태식(Tae-shik Shon),문종섭(Jong-sub Moon) 한국정보보호학회 2012 정보보호학회논문지 Vol.22 No.4
본 논문에서는 악성코드의 시스템 콜 빈도수를 특징값으로 행위 기반 탐지(behavior-based detection)를 할 때, 시스템 콜의 속성 개수보다 학습데이터 개수가 적더라도 효과적으로 악성 코드를 탐지하는 기법을 제안한다. 이 연구에서는, 프로그램 코드가 동작할 때, 발생시키는 윈도우 커널 데이터인 Native API를 수집하여 빈도수로 정규화한 것을 기본적인 속성 값으로 사용하였다. 또한 악성코드와 정상 코드를 효과적으로 분류할 수 있으면서, 악성코드를 분류하기 위한 기본적인 속성의 개수보다 학습데이터 개수가 적어도 적용 가능한 GLDA(Generalized Linear Discriminant Analysis)를 사용하여, 새로운 속성 값들로 전환하였다. 분류 기법으로는 베이지언 분류법의 일종인 kNN(k-Nearest Neighbor) 분류법을 이용하여 악성 코드를 탐지하였다. 제안된 탐지 기법의 성능을 검증하기 위하여 수집된 Native API 로 기존의 연구 방법과 비교 검증하였다. 본 논문에 제안된 기법이 탐지율(detection rate) 100%인 Threshold 값에서, 다른 탐지 기법보다 낮은 오탐율(false positive rate)을 나타내었다. In this paper, we propose an effective Behavior-based detection technique using the frequency of system calls to detect malicious code, when the number of training data is fewer than the number of properties on system calls. In this study, we collect the Native APIs which are Windows kernel data generated by running program code. Then we adopt the normalized freqeuncy of Native APIs as the basic properties. In addition, the basic properties are transformed to new properties by GLDA(Generalized Linear Discriminant Analysis) that is an effective method to discriminate between malicious code and normal code, although the number of training data is fewer than the number of properties. To detect the malicious code, kNN(k-Nearest Neighbor) classification, one of the bayesian classification technique, was used in this paper. We compared the proposed detection method with the other methods on collected Native APIs to verify efficiency of proposed method. It is presented that proposed detection method has a lower false positive rate than other methods on the threshold value when detection rate is 100%.