심층신경망을 통한 해파리 출현 예측

황철훈,한명묵 한국인터넷정보학회 2019 인터넷정보학회논문지 Vol.20 No.5

This paper carried out a study to reduce damage from jellyfish whose population has increased due to global warming. The emergence of jellyfish on the beach could result in casualties from jellyfish stings and economic losses from closures. This paper confirmed from the preceding studies that the pattern of jellyfish's appearance is predictable through machine learning. This paper is an extension of The prediction model of emergence of Busan coastal jellyfish using SVM. In this paper, we used deep neural network to expand from the existing methods of predicting the existence of jellyfish to the classification by index. Due to the limitations of the small amount of data collected, the 84.57% prediction accuracy limit was sought to be resolved through data expansion using bootstraping. The expanded data showed about 7% higher performance than the original data, and about 6% better performance compared to the transfer learning. Finally, we used the test data to confirm the prediction performance of jellyfish appearance. As a result, although it has been confirmed that jellyfish emergence binary classification can be predicted with high accuracy, predictions through indexation have not produced meaningful results. 논문은 지구온난화로 인하여 수온이 상승되며 증가한 해파리의 피해를 감소하고자 연구를 진행하였다. 해수욕장에서 해파리의등장은 해파리의 쏘임 사고로 인한 인명피해와 폐장으로 인한 경제적 손실이 발생할 수 있다. 본 논문은 선행 연구들로부터 해파리의 출현 패턴을 머신러닝을 통하여 예측 가능함 확인하였다. SVM을 이용한 해파리 출현 예측 모델 연구를 확대하여 진행하였다. 심층신경망을 이용하여 해파리 출현 유무 예측인 이진 분류에서 지수화 된 방법인 다중 분류로 확장하고자 하였다. 수집된 데이터의크기가 작다는 한계점으로 인하여 84.57%라는 예측 정확도의 한계를 부트스트래핑을 이용하여 데이터 확장을 통해 해결하고자 하였다. 확장된 데이터는 원본 데이터보다 약 7% 이상의 높은 성능을 보여주었으며, Transfer learning과 비교하여 약 6% 이상의 좋은 성능을 보여주었다. 최종적으로 테스트 데이터를 통하여 해파리 출현 예측 성능을 확인한 결과, 해파리의 출현 유무를 예측할 시 높은정확도로 예측이 가능함을 확인하였으나, 지수화를 통한 예측에서는 의미 있는 결과를 얻지 못하였다.

SVM 기반 유전 알고리즘을 이용한 컴파일러 분석 프레임워크 : 특징 및 모델 선택 민감성

황철훈(Cheol-Hun Hwang),신건윤(Gun-Yoon Shin),김동욱(Dong-Wook Kim),한명묵(Myung-Mook Han) 한국정보보호학회 2020 정보보호학회논문지 Vol.30 No.4

악성코드 기술 발전으로 변이, 난독화 등의 탐지 회피 방법이 고도화되고 있다. 이에 악성코드 탐지 기술에 있어 알려지지 않은 악성코드 탐지 기술이 중요하며, 배포된 악성코드를 통해 저자를 식별하여 알려지지 않은 악성코드를 탐지하는 악성코드 저자 식별 방법이 연구되고 있다. 본 논문에서는 바이너리 기반 저자 식별 방법에 대해 중요 정보인 컴파일러 정보를 추출하고자 하였으며, 연구 간에 특징 선택, 확률 및 비확률 모델, 최적화가 분류 효율성에 미치는 민감성(Sensitive)을 확인하고자 하였다. 실험에서 정보 이득을 통한 특징 선택 방법과 비확률 모델인 서포트 벡터 머신이 높은 효율성을 보였다. 최적화 연구 간에 제안하는 프레임워크를 통한 특징 선택 및 모델 최적화를 통해 높은 분류 정확도를 얻었으며, 최대 48%의 특징 감소 및 51배가량의 빠른 실행 속도라는 결과를 보였다. 본 연구를 통해 특징 선택 및 모델 최적화 방법이 분류 효율성에 미치는 민감성에 대해 확인할 수 있었다. Advances in detection techniques, such as mutation and obfuscation, are being advanced with the development of malware technology. In the malware detection technology, unknown malware detection technology is important, and a method for Malware Authorship Attribution that detects an unknown malicious code by identifying the author through distributed malware is being studied. In this paper, we try to extract the compiler information affecting the binary-based author identification method and to investigate the sensitivity of feature selection, probability and non-probability models, and optimization to classification efficiency between studies. In the experiment, the feature selection method through information gain and the support vector machine, which is a non-probability model, showed high efficiency. Among the optimization studies, high classification accuracy was obtained through feature selection and model optimization through the proposed framework, and resulted in 48% feature reduction and 53 faster execution speed. Through this study, we can confirm the sensitivity of feature selection, model, and optimization methods to classification efficiency.

중복 허용 범위를 고려한 서바이벌 네트워크 기반 안드로이드 저자 식별

황철훈 ( Cheol-hun Hwang ),신건윤 ( Gun-yoon Shin ),김동욱 ( Dong-wook Kim ),한명묵 ( Myung-mook Han ) 한국인터넷정보학회 2020 인터넷정보학회논문지 Vol.21 No.6

안드로이드 저자 식별 연구는 좁은 범위에서는 출처를 밝히기 위한 방법으로 해석할 수 있으나, 넓은 범위에서 본다면 알려진 저작물을 통해 유사한 저작물을 식별하는 통찰력을 얻기 위한 방법으로 해석할 수 있다. 안드로이드 저자 식별 연구에서 발견되는 문제점은 안드로이드 시스템 상 중요한 코드이지만 의미가 없는 코드들로 인하여 저자의 중요한 특징을 찾기 어렵다는 것이다. 이로 인해 합법적인 코드 또는 행동들이 악성코드로 잘못 정의되기도 한다. 이를 해결하기 위하여 서바이벌 네트워크 개념을 도입하여 여러 안드로이드 앱에서 발견되는 특징들을 제거하고 저자별로 정의되는 고유한 특징들을 생존시킴으로써 문제를 해결하고자 하였다. 제안하는 프레임워크와 선행된 연구를 비교하는 실험을 진행하였으며, 440개의 저자가 식별된 앱을 대상으로 실험한 결과에서 최대 92.10%의 분류 정확도를 도출하였고 선행된 연구와 최대 3.47%의 차이를 보였다. 이는 적은 양의 학습데이터를 이용하였으나 저자별 중복된 특징 없이 고유한 특징들을 이용하였기에 선행 연구와 차이가 나타났을 것으로 해석하였다. 또한 특징 정의 방법에 따른 선행 연구와의 비교 실험에서도 적은 수의 특징으로 동일한 정확도를 보일 수 있으며, 이는 서바이벌 네트워크 개념을 통한 지속적으로 중복된 의미 없는 특징을 관리할 수 있음을 알 수 있었다. The Android author identification study can be interpreted as a method for revealing the source in a narrow range, but if viewed in a wide range, it can be interpreted as a study to gain insight to identify similar works through known works. The problem found in the Android author identification study is that it is an important code on the Android system, but it is difficult to find the important feature of the author due to the meaningless codes. Due to this, legitimate codes or behaviors were also incorrectly defined as malicious codes. To solve this, we introduced the concept of survival network to solve the problem by removing the features found in various Android apps and surviving unique features defined by authors. We conducted an experiment comparing the proposed framework with a previous study. From the results of experiments on 440 authors' identified apps, we obtained a classification accuracy of up to 92.10%, and showed a difference of up to 3.47% from the previous study. It used a small amount of learning data, but because it used unique features without duplicate features for each author, it was considered that there was a difference from previous studies. In addition, even in comparative experiments with previous studies according to the feature definition method, the same accuracy can be shown with a small number of features, and this can be seen that continuously overlapping meaningless features can be managed through the concept of a survival network.

서바이벌 네트워크 개념을 이용한 저자 식별 프레임워크: 의미론적 특징과 특징 허용 범위

황철훈(Cheol-Hun Hwang),신건윤(Gun-Yoon Shin),김동욱(Dong-Wook Kim),한명묵(Myung-Mook Han) 한국정보보호학회 2020 정보보호학회논문지 Vol.30 No.6

악성코드 저자 식별은 알려진 악성코드 저자의 특징을 이용하여 알려지지 않은 악성코드의 저자 특징과 비교를 통해 악성코드를 식별하기 위한 연구 분야이다. 바이너리를 이용한 저자 식별 방법은 실질적으로 배포된 악성코드를 대상으로 수집 및 분석이 용이하다는 장점을 갖으나, 소스코드를 이용한 방법보다 특징 활용 범위가 제한된다. 이러한 한계점으로 인해 다수의 저자를 대상으로 정확도가 저하된다는 단점을 갖는다. 본 연구는 바이너리 저자 식별에 한계점을 보완하기 위하여 ‘바이너리로부터 의미론적 특징 정의’와 ‘서바이벌 네트워크 개념을 이용한 중복 특징에 대한 허용 범위 정의’ 방법을 제안한다. 제안한 방법은 바이너리 정보로부터 Opcode 기반의 그래프 특징을 정의하며, 서바이벌 네트워크 개념을 이용하여 저자별 고유 특징을 선택할 수 있는 허용범위를 정의하는 것이다. 이를 통해 저자별 특징 정의 및 특징 선택 방법을 하나의 기술로 정의할 수 있으며, 실험을 통해 선행연구보다 5.0%의 정확도 향상과 함께 소스코드 기반 분석과 동일한 수준의 정확도 도출이 가능함을 확인할 수 있었다. Malware Authorship Attribution is a research field for identifying malware by comparing the author characteristics of unknown malware with the characteristics of known malware authors. The authorship attribution method using binaries has the advantage that it is easy to collect and analyze targeted malicious codes, but the scope of using features is limited compared to the method using source code. This limitation has the disadvantage that accuracy decreases for a large number of authors. This study proposes a method of ‘Defining semantic features from binaries’ and ‘Defining allowable ranges for redundant features using the concept of survival network’ to complement the limitations in the identification of binary authors. The proposed method defines Opcode-based graph features from binary information, and defines the allowable range for selecting unique features for each author using the concept of a survival network. Through this, it was possible to define the feature definition and feature selection method for each author as a single technology, and through the experiment, it was confirmed that it was possible to derive the same level of accuracy as the source code-based analysis with an improvement of 5.0% accuracy compared to the previous study.

P802.14 HFC 망의 ATM 계층 구조 적용에 관한 고찰 ( A Study on the ATM over P802.14 HFC Network Layer Specification )

제대건,황철훈,박승권 한국통신학회 1997 한국통신학회 학술대회논문집 Vol.16 No.1

교량 손상 관리를 위한 딥러닝 기반의 교량이미지 전처리 및 손상객체 자동검출 모델

홍성삼,황철훈,김형규,김병곤 차세대컨버전스정보서비스학회 2021 차세대컨버전스정보서비스기술논문지 Vol.10 No.5

Surface defects in bridges are the most observable indicators of possible structural degradation or damage. However, most of them generate indicators through passive inspections by manpower. This method is pointed out as a problem that the internal state of the structural element cannot be evaluated solely on visual technology, and that only passive photographing and intuition judgment are evaluation elements. In this paper, deep learning-based image preprocessing and bridge damage object automation technology are proposed for automation of bridge damage inspection. For preprocessing of bridge images photographed with heterogeneous photographing devices, a technology for normalizing into images of the most suitable form for detection models through up/down-sampling using deep learning-based SR (Super-Resolution) was proposed. The processed image is labeled through the labeler, and the constructed image net is used for learning the detection model to build a bridge damage object detection model optimized for the field. In addition, it showed similar or excellent performance to the existing bridge damage detection models, and because professional field data were used, the reliability of the model could be secured. Through the experiment, it was confirmed that the detection performance of white pollack among bridge damaged objects was measured, and the performance was improved when the preprocessed image net was used. 교량에서 표면 결함은 가능한 구조적 열화 또는 손상의 가장 관찰 가능한 지표이다. 그러나 대부분 인력에 의한 수동적인 검사로 지표를 생성하고 있는데 이는 구조 요소의 내부 상태는 시각적 기술에만 의존하여 평가될 수 없다는 점과 수동적인 촬영, 직관에 의한 판단만이 평가 요소인 점이 문제점으로 지적된다. 본 논문에서는 교량 손상 점검의 자동화를 위해 딥러닝 기반의 이미지 전처리 및 교량 손상 객체 자동화 기술을 제안한다. 이기종의 촬영기기로 촬영된 교량 이미지의 전처리를 위해 딥러닝 기반의 SR(Super-Resolution)을 이용하여 up/down-sampling을 통해 탐지모델에 가장 적합한 형태의 이미지로 정규화를 하는 기술을 제안하였다. 처리된 이미지는 레이블러를 통해 레이블링 되고, 구축된 이미지넷이 탐지모델의 학습에 사용되어 현장에 최적화된 교량 손상 객체 탐지 모델을 구축할 수 있다. 또한 기존의 교량 손상 탐지 모델들과 성능적으로 유사하거나 우수한 성능을 나타내었으며, 전문현장 데이터를 사용하였기 때문에 모델의 신뢰성을 확보할 수 있었다. 실험을 통해 교량 손상 객체 중 백태에 대한 탐지 성능을 측정하였으며, 전처리된 이미지넷을 활용한 경우 성능이 개선되는 것을 확인할 수 있었다.

해수욕장 안전정보 제공 서비스 시범운영 만족도 분석

김화영,브이하이당,황철훈,김영재 해양환경안전학회 2019 해양환경안전학회 학술발표대회 논문집 Vol.2019 No.11