연구 소개
- 연구
- 연구 소개
-
Amnesia as a Catalyst for Enhancing Black Box Pixel Attacks in Image Classification and Object Detection
정재훈 교수의 연구실에서 발표한 "Amnesia as a Catalyst for Enhancing Black Box Pixel Attacks in Image Classification and Object Detection" 논문이 이번 2024년 "NeurIPS (Neural Information Processing Systems)"에 게재되었다. 본 논문은 강화학습 기반의 블랙박스 픽셀 공격 기법(RFPAR)을 통해, 기존 이미지 분류 및 객체 탐지에서 사용되는 적대적 공격 기법을 개선, 적대적 이미 생성 뿐만 아니라 객체 탐지 분야에서도 혁신적인 성능 개선을 달성했다.
2024-11-17 (SW중심대학 사업단)
NeurIPS는 1987년 창립된 이래 인공지능 및 기계학습 분야에서 가장 권위 있는 학회 중 하나로, 매년 전 세계 연구자들이 최첨단 연구 성과를 발표하고 토론하는 자리이다. 이번 2024년 학회에는 인공지능 학계와 업계의 관심을 받는 최신 연구들이 발표될 예정이며, 논문 선정이 매우 까다롭기로 유명하다.
논문 사이트로 이동
[Figure 1] The model architecture of RFPAR
It is well known that query-based attacks tend to have relatively higher success rates in adversarial black-box attacks. While research on black-box attacks is ac- tively being conducted, relatively few studies have focused on pixel attacks that target only a limited number of pixels. In image classification, query-based pixel attacks often rely on patches, which heavily depend on randomness and neglect the fact that scattered pixels are more suitable for adversarial attacks. Moreover, to the best of our knowledge, query-based pixel attacks have not been explored in the field of object detection. To address these issues, we propose a novel pixel-based black-box attack called Remember and Forget Pixel Attack using Reinforcement Learning(RFPAR), consisting of two main components: the Remember and For- get processes. RFPAR mitigates randomness and avoids patch dependency by leveraging rewards generated through a one-step RL algorithm to perturb pixels. RFPAR effectively creates perturbed images that minimize the confidence scores while adhering to limited pixel constraints. Furthermore, we advance our pro- posed attack beyond image classification to object detection, where RFPAR re- duces the confidence scores of detected objects to avoid detection. Experiments on the ImageNet-1K dataset for classification show that RFPAR outperformed state-of-the-art query-based pixel attacks. For object detection, using the MS- COCO dataset with YOLOv8 and DDQ, RFPAR demonstrates comparable mAP reduction to state-of-the-art query-based attack while requiring fewer query. Fur- ther experiments on the Argoverse dataset using YOLOv8 confirm that RFPAR effectively removed objects on a larger scale dataset. Our code is available at https://github.com/KAU-QuantumAILab/RFPAR.
-
Extended Fusion Algorithm of A-star and Artificial Potential Field for Three-Dimensional Path Planning
최영훈 교수의 연구실에서 인공지능 드론의 3차원 비행 경로 플래닝 기술을 연구하여 발표한 논문 "Extended Fusion Algorithm of A-star and Artificial Potential Field for Three-Dimensional Path Planning"이 국제 학술 대회인 "Joint conference of APCATS, AJSAE & AAME" 2023년 10월 호에 게재되었다.
2024-01-03 (AI융합대학)
논문 사이트로 이동
[Figure 1] Simulation of fusion algorithm
Urban Air Mobility (UAM) has been recently getting attention due to environmental and economic reasons. This has led to research on three-dimensional path planning requiring more degrees of freedom than traditional two-dimensional path planning. Traditional path planning algorithm such as A-star and artificial potential field has focused on how to avoid collisions and how to guarantee path’s optimality. A-star algorithm is, however, hard to handle unknown obstacles, and the artificial potential field could not reach to the given destination due to local minima problem. To relieve these issues, the fusion algorithm of A-star and artificial potential field was developed.
[Figure 1] Comparison of algorithms with known and unknown (purple) obstacles
The algorithm is, however, mainly relevant to two-dimensional path planning problems. To deal with three-dimensional path planning cases for UAM, this paper introduces an extended fusion algorithm of A-star and artificial potential field algorithms to handle three-dimensional path planning problems. To demonstrate the proposed algorithm, numerical simulations are conducted with traditional A-star and artificial potential field algorithm.
-
해군분석모델용 AI-CGF를 위한 시나리오 생성 모델 설계(I): 진화학습
지승도 교수의 연구실에서 해군 지능형 가상 군사(AI-CGF) 모의 기술을 연구하여 발표한 논문 "해군분석모델용 AI-CGF를 위한 시나리오 생성 모델 설계(I): 진화학습"이 "한국군사과학기술학회지" 12월호에 게재되었다. 본 연구는 워게임에서 인간 대신 AI를 접목한 최초의 시도에 대한 타당성을 검토한 연구로, 그 타당성이 충분히 입증되어 내년부터 보완 및 확장 연구를 추진할 예정이다.
2022-12-01 (AI융합대학)
[그림 1] 전체 시스템 개요도
본 논문은 진화학습을 적용한 해군분석모델용 AI-CGF를 위한 시나리오 생성 모델을 설계하였다. 제안된 모델은 유전자 풀, 진화학습 제어기, 몬테카를로 시뮬레이션 제어기를 통해 해군분석모델에 전술 시나리오를 전달함으로써 진화학습을 시작한다. 진화 과정에서 선택, 교배, 변이의 진화 연산이 적용되었다. 총 5가지의 청군 전술 시나리오에 대하여 제안된 진화학습을 실험한 결과 전술적 가치가 높은 홍군 전술 시나리오를 생성할 수 있었다. 다만, 구성한 세력 상에서 높은 적합도가 곧바로 홍군의 승리를 의미하지는 않는 것으로 확인되었다. 그런데도 상륙전의 경우 청군의 이동 경로를 길게 가져가도록 유인함으로써 상륙 목표를 성공적으로 달성하는 고도의 전술도 확인할 수 있었다. 본 논문은 해군분석모델용 AI-CGF에 진화학습을 최초로 적용하였다. 이를 통해 인간이 설계한 청군 전술 시나리오에 대한 홍군 전술 시나리오를 자동 생성함으로써 논리적이며 수준이 높은 전술 시나리오 생성 능력을 확보할 수 있었다. 진화학습을 이용한 시나리오 생성모델은 유전 알고리즘을 통해 최적의 시나리오를 생성할 수 있다는 장점을 갖고 있으나, 학습과정에서 과도한 시간이 소요된다는 단점 또한 갖고 있다. 이를 해결하기 위해 지도 및 강화학습을 활용한 시나리오 생성 모델에 관한 연구를 후속 연구 논문에서 서술한다.
-
StARformer: Transformer with State-Action-Reward Representations for Robot Learning
이유철 교수의 Robotics and AI Navigation (RAIN) 연구실에서 발표한 논문 "StARformer: Transformer with State-Action-Reward Representations for Robot Learning"이 "IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)"에 게재 승인되었다. 본 논문은 한국전자통신연구원(ETRI)과 미국 스토니브룩대학교(Stony Brook University)와 협업하여 강화 학습과 트랜스포머 모델을 이용한 종단간 모방학습 기반의 자율주행 기술에 관한 것으로, 이유철 교수는 이 논문의 교신 저자로 참여했다. EEE TPAMI는 세계 최고 권위의 인공지능 학술지 중 하나로, JCR 0.54%, Impact factor 24.314에 달한다. 본 논문은 2022년 12월에 출간될 예정이다.
2022-10-18 (AI융합대학)
[Figure 1] StARformer System Architecture
Reinforcement Learning (RL) can be considered as a sequence modeling task, where an agent employs a sequence of past state-action-reward experiences to predict a sequence of future actions. In this work, we propose St ate- A ction- R eward Transformer ( StAR former), a Transformer architecture for robot learning with image inputs, which explicitly models short-term state-action-reward representations (StAR-representations), essentially introducing a Markovian-like inductive bias to improve long-term modeling. StARformer first extracts StAR-representations using self-attending patches of image states, action, and reward tokens within a short temporal window. These StAR-representations are combined with pure image state representations, extracted as convolutional features, to perform self-attention over the whole sequence. Our experimental results show that StARformer outperforms the state-of-the-art Transformer-based method on image-based Atari and DeepMind Control Suite benchmarks, under both offline-RL and imitation learning settings. We find that models can benefit from our combination of patch-wise and convolutional image embeddings. StARformer is also more compliant with longer sequences of inputs than the baseline method. Finally, we demonstrate how StARformer can be successfully applied to a real-world robot imitation learning setting via a human-following task.
[Figure 2] Imitation Learning based Scenario Experiments to Evaluate the StARformer Navigation Performance
This study introduces StARformer, which explicitly models strong local relations (Step Transformer) to facilitate the long-term sequence modeling (Sequence Transformer) in Visual RL. Our extensive empirical results show how the learned StAR-representations help our model to outperform the baseline in both Atari and DMC environments, as well as both offline RL and imitation learning settings. We find that the fusion of learned StAR-representations and convolution features benefits action prediction. We further demonstrate that our designed architecture and token embeddings are essential to successfully model trajectories, with an emphasis on long sequences. We also verify that our method can be applied to real-world robot learning settings via a human-following experiment.
-
Stereo Confidence Estimation via Locally Adaptive Fusion and Knowledge Distillation
김선옥 교수의 연구실에서 발표한 논문 "Stereo Confidence Estimation via Locally Adaptive Fusion and Knowledge Distillation"이 "IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)"에 게재 승인되었다. IEEE TPAMI는 세계 최고 권위의 인공지능 학술지 중 하나로, Impact factor가 24.3점에 달한다. 본 연구는 김선옥 교수가 제 1 저자로 주도했으며, 스위스의 로잔 연방 공과대학교(EPFL), 연세대학교, 고려대학교, 이화여자대학교가 공동으로 참여하였다.
2022-09-06 (AI융합대학)
[Figure 1] Network configuration in knowledge distilation framework
Stereo confidence estimation aims to estimate the reliability of the estimated disparity by stereo matching. Different from the previous methods that exploit the limited input modality, we present a novel method that estimates confidence map of an initial disparity by making full use of tri-modal input, including matching cost, disparity, and color image through deep networks. The proposed network, termed as Locally Adaptive Fusion Networks (LAF-Net), learns locally-varying attention and scale maps to fuse the tri-modal confidence features. Moreover, we propose a knowledge distillation framework to learn more compact confidence estimation networks as student networks. By transferring the knowledge from LAF-Net as teacher networks, the student networks that solely take as input a disparity can achieve comparable performance. To transfer more informative knowledge, we also propose a module to learn the locally-varying temperature in a softmax function. We further extend this framework to a multiview scenario. Experimental results show that LAF-Net and its variations outperform the state-of-the-art stereo confidence methods on various benchmarks.
[Figure 2] Confidence maps on KITTI 2015 dataset
We presented LAF-Net that estimates confidence with tri-modal input, including matching cost, disparity, and color image through deep networks. The key idea of the proposed method is to design locally adaptive attention and scale inference networks to generate optimal fusion weights. In addition, the confidence estimation performance is further improved with recursive refinement networks. In addition, we presented an effective confidence estimator through knowledge distillation using the LAF-Net taking tri-modal input as teacher, where we learned the locally varying temperature which is effective in transferring more informative value to student networks. The proposed method has competitive accuracy with simpler networks than teacher. We further applied the proposed framework to multiview stereo confidence estimation which demonstrates the generalization ability of the proposed framework. A direction for further study is to examine how confidence estimation networks could be learned in an unsupervised manner.
-
Event-Based Emergency Detection for Safe Drone
지승도 교수의 연구실에서 인공지능 드론의 안전 시스템을 위한 이벤트 기반 지능 제어 기법을 연구하여 발표한 논문 "Event-Based Emergency Detection for Safe Drone"이 SCI급 국제 우수 등재 저널인 "Applied Sciences" 2022년 8월 호에 게재되었다.
2022-08-21 (AI융합대학)
논문 사이트로 이동
[Figure 1] Abnormal running time with / without proposed event-based emergency detection
Quadrotor drones have rapidly gained interest recently. Numerous studies are underway for the commercial use of autonomous drones, and distribution businesses especially are taking serious reviews on drone-delivery services. However, there are still many concerns about urban drone operations. The risk of failures and accidents makes it difficult to provide drone-based services in the real world with ease. There have been many studies that introduced supplementary methods to handle drone failures and emergencies. However, we discovered the limitation of the existing methods. Most approaches were improving PID-based control algorithms, which is the dominant drone-control method. This type of low-level approach lacks situation awareness and the ability to handle unexpected situations. This study introduces an event-based control methodology that takes a high-level diagnosing approach that can implement situation awareness via a time-window. While low-level controllers are left to operate drones most of the time in normal situations, our controller operates at a higher level and detects unexpected behaviors and abnormal situations of the drone. We tested our method with real-time 3D computer simulation environments and in several cases, our method was able to detect emergencies that typical PID controllers were not able to handle. We were able to verify that our approach can provide enhanced double safety and better ensure safe drone operations. We hope our discovery can possibly contribute to the advance of real-world drone services in the near future.
-
CloudSafe: A Tool for an Automated Security Analysis for Cloud Computing
엄태훈 교수의 연구실에서 발표한 논문 "CloudSafe: A Tool for an Automated Security Analysis for Cloud Computing"이 "IEEE Access" 2022년 호에 게재되었다.
2022-08-05 (AI융합대학)
논문 사이트로 이동
[Figure 1] Overall framework architecture
Cloud computing has become widely adopted by businesses for hosting applications with improved performance at a fraction of the operational costs and complexity. The rise of cloud applications has been coupled with an increase in security threat vectors and vulnerabilities. In this paper, we propose a new security assessment and enforcement tool for the cloud named CloudSafe, which provides an automated security assessment and enforce best security control for the cloud by collating various security tools. To demonstrate the applicability and usability of CloudSafe, we implemented CloudSafe and conducted security assessment in Amazon AWS. Also, we analyzed four different security countermeasure options in depth; Vulnerability Patching, Virtual Patching, Network Hardening and Moving Target Defence. Virtual Patching, Network Hardening and Moving Target Defence were determined to be feasible with regards to deployment implementation for the project. Proof of concepts were developed demonstrating the effectiveness of each feasible countermeasure option. These results indicate that the proposed tool CloudSafe is effective and efficient in helping security administrators to select optimal countermeasures to secure their cloud by conducting an in-depth security assessment.
-
Research for an autonomous driving system for construction site
김필은 교수의 IRAM 연구실에서 진행중인 건설 현장을 위한 자율 주행 시스템을 연구를 소개한다. 로봇은 흔히 지도에 대한 정보를 기반으로 실내 환경에서 정확한 위치를 파악하고 탐색할 수 있다. 일반적인 지도는 건물의 구조적 레이아웃을 포함하지만 위치 파악의 정확도는 비구조적 건물 요소, 즉 문이나 가전제품 및 가구와 같은 일반적인 항목에 의해 크게 영향을 받는다. 이 연구는 센서에 의해 감지된 비구조적 요소에 대한 시맨틱맵을 동적으로 업데이트하여 실내 로봇 위치 파악의 견고성과 정확성을 향상시킨다. 우리는 객체 인식과 지도 업데이트를 전통적인 확률적 지역화로 통합하는 수정된 AMCL (Adaptive Monte Carlo Localization)을 제안한다. 제안된 접근 방식을 통해 로봇은 현재 환경 상태를 반영하는 의미론적 건물 지도을 업데이트하여 비구조적 요소로 인해 발생하는 오류를 자동으로 수정할 수 있다. kinnapped robot과 기존의 localization 시나리오에 대한 평가로 시맨틱 지도 업데이트 기능이 보다 정확하고 강력한 자세 추정을 달성할 수 있음을 보였다.
2022-06-22 (AI융합대학)
[그림 1] 건설 현장을 위한 자율 주행 시스템 구조
또 다른 연구의 목적은 모의 건설현장에서 장애물을 감지할 수 있는 센서일체형 건설장비를 모의하는 것이다. 다양한 센서를 이용하여 현장을 정확히 포착하여 상황을 파악하고 상황 정보를 관리인에게 전달할 수 있는 건설장비의 완전 자율주행에 초점을 맞추고자 하였다. 3D 레이저 스캐너와 카메라를 사용하여 가상 픽업 트럭 모델을 만들고 장애물을 감지하기 위해 감지 데이터를 수집 및 처리하는 시뮬레이션에 대한 개요를 제공했다. 로봇 운영 체제(ROS) 프레임워크를 기반으로 통합된 센서를 장착한 픽업 트럭을 생성하여 포인트클라우드 클러스터를 감지하기 위해 PCL (포인트 클라우드 라이브러리) 알고리즘을 적용했다. 사각지대에 있는 작업자와 같은 물체를 인식하는 기능을 통해 혼잡한 건설 현장에서 작업자 안전을 향상시킬 수 있는 가능성을 보여준다. 추가 연구에는 실제 작업장에서 장비의 센서 기반 인식 및 평가를 기반으로 하는 자율 제어가 포함될 예정이다.
-
Parallel Training of GRU Networks with a Multi-Grid Solver for Long Sequences
문의현 교수의 연구실에서 발표한 논문 "Parallel Training of GRU Networks with a Multi-Grid Solver for Long Sequences"가 "International Conference on Learning Representations 2022 (ICLR22)"에 게재되었다. ICLR은 Google Scholar 머신러닝 분야에서 세계 랭킹 1위에 올라 있는 세계 최고 수준의 인공지능 학술대회이다.
2022-06-02 (AI융합대학)
논문 사이트로 이동
본 연구에서는 Multi-Grid Reduction in Time (MGRIT) Solver 기술을 활용하여 길이가 매우 긴 시계열 데이터가 주어졌을 때 GRU모델의 학습 과정을 효율적으로 분산 처리할 수 있는 알고리즘을 개발하였다. 본 연구에서 제안하는 parallel-in-time 기반의 새로운 병렬 처리 방식은 아래 그림과 같이 긴 시계열 입력 데이터를 여러 개의 짧은 시계열 데이터로 분할하고 다수의 프로세서에서 짧은 시계열 데이터를 처리하도록 설계되었다. 이를 통해 시계열 데이터 내에서의 지역 정보(local information)를 기본 GRU 모델의 학습 방식에 비해서 정밀하게 인식할 수 있다는 장점이 있다. 제안한 모델이 학습하는 동안 사용되고 갱신되어야 할 파라미터 값은 서로 다른 프로세서들 간에 상호 전달 및 공유할 수 있도록 병렬화 모델을 설계하였다. 더 구체적으로는 MGRIT 알고리즘의 inexact propagation 개념을 GRU 모델에 적용함으로써, 아래 그림과 같이 각 프로세서에서 계산되는 지역 에러(local error)는 fine grid에서 완화(relaxation)시켜주는 과정을 통하여 업데이트되며 전역 에러(global error)는 coarse grid에서 보정(correction)해주는 과정을 통하여 갱신될 수 있다.
[그림 1] 2단계 MGRIT 구조도
이러한 과정을 반복적(recursive)으로 수행해가면서 GRU모델을 학습한다. 본 논문의 실험 결과에서는 HMDB51 비디오 데이터를 이용하여 새로운 모델의 학습 결과가 순차적인 GRU 모델의 학습 방식에 비해 질적인 성능을 보장하면서 최대 6.5배 빠르게 학습이 가능한 것을 보였다. 시계열 입력 데이터의 길이가 길어질수록 본 연구에서 제안한 모델은 학습 시간을 더욱 단축시킬 수 있다는 장점을 가지고 있다.
-
Formal Verification of Blockchain Smart Contracts via ATL Model Checking
길현영 교수의 연구실에서 발표한 논문 "Formal Verification of Blockchain Smart Contracts via ATL Model Checking"이 "IEEE Access" 2022년 호에 게재되었다.
2022-01-14 (AI융합대학)
논문 사이트로 이동
이더리움과 같은 최신 블록체인 기술은 스마트 컨트랙트 구현에서 Turing-complete한 프로그래밍 언어를 제공함으로써, 특히 신뢰성이 중요한 금융 분야에 적용되게 하였다. 그러나 스마트 컨트랙트의 사소한 에러들은 금전적으로 막대한 손실을 야기하곤 하는데, DAO 오류, Parity multi-signature 오류, integer underflow/ overflow 오류 등이 그 사례이다. DAO 오류의 경우 5000만 달러 상당의 이더를 도난당하게 하여 이더리움이 이더리움과 이더리움 클래식으로 나뉘게 되는 계기를 만들었다. 이러한 스마트 컨트랙트 상의 오류들을 검출하기 위해 정적 프로그램 분석과 정리 증명기법 기반의 연구들이 진행되어왔으나, 정적 프로그램 분석은 사전에 정의된 패턴의 에러만을 검출할 수 있고, 정리 증명기법 기반 연구는 완전 자동화가 불가능하여 전문가의 참여가 필수적이라는 단점을 갖고 있다. 본 연구는 스마트 트랜잭션의 정확성을 검증하기 위해서, ATL (Alternating-time Temporal Logic) 모델체킹 기법을 이용한다. ATL 모델 체킹이란, 검증 대상인 시스템의 모델과 검증하고자 하는 ATL property가 주어지면, 해당 시스템의 모델이 모든 경우에 주어진 ATL property를 만족하는지를 자동적으로 검증하는 기법이다. ATL 모델체커는 주어진 모델이 property를 만족하는 경우에는 true를 리턴하지만 만족하지 않는 경우에는 counter-example을 알려줌으로써, 개발자가 스마트 컨트랙트의 어느 부분에서 오류가 발생하였는지를 알 수 있게 한다.
[그림 1] ATL model checking procedure for solidity contracts
본 연구에서는 주어진 스마트 컨트랙트를 ATL 모델체커로 검증하기 위해서, 이더리움 스마트 컨트랙트에서 주로 사용되는 Solidity 언어를 ATL 모델체커 MCMAS]의 언어로 정확하게 번역할 수 있는 방법론을 제안하고, DAO Attack, TX.ORIGIN Attack, Safe Remote Purchase Contract 등 3가지 사례에 대한 적용을 통해, 본 연구의 방법론이 실제 스마트 컨트랙트 검증에 성공적으로 사용될 수 있음을 보였다. 또한 본 연구실은 블록체인뿐만 아니라 Service composition, Aircraft systems 등 다양한 Software System의 정확성과 안정성에 대한 검증 연구를 해왔고, 최근에는 인공지능 신경망에 대한 검증 연구를 진행 중이다.
-
Automatic incremental recomposition algorithm for QoS-aware internet of things service composition
길현영 교수의 연구실에서 발표한 논문 "Automatic incremental recomposition algorithm for QoS-aware internet of things service composition"이 "International Journal of Web and Grid Services 2021"에 게재되었다.
2021-07-16 (AI융합대학)
논문 사이트로 이동
웹서비스(Web service)는 웹 기술을 기반으로 하여 machine-to-machine inter-operation을 제공하기 위한 소프트웨어 시스템으로, 서비스 지향 아키텍쳐 (Service-Oriented Architecture)의 서비스(독립적 기능을 가질 수 있는 비즈니스 논리의 기본 단위)를 기본 개념으로 하여 현실화한 기술이다. 현재 웹서비스는 분산시스템이나 Web 환경에서 Service provider가 다수의 client에게 자신의 기능을 사용할 수 있도록 지원하는 Web API 서비스의 형태로 많이 사용되고 있다. 또한 사물인터넷(Internet-of-Things, IoT) 관련한 다수의 연구에서도 각각의 사물의 기능을 하나의 웹 기반 서비스로서 구현하고 상위 구조에서 이러한 서비스 집합을 관리하는 서비스 지향 아키텍쳐 기반 방식을 사용함으로써 좀더 효율성있는 시스템을 구현, 사용한다. 사용자가 원하는 요구사항을 하나의 특정 서비스로 완전히 충족시키지 못하는 경우, 여러 개의 웹서비스들을 합성하게 함으로써 해당 요구사항을 만족시키는 서비스 컴포지션(Service Composition) 기법은 서비스 개발 비용을 낮추고 효율성을 높이는 기법이다. Web 기반의 large scaled computing 환경과 컴퓨팅 리소스가 한정적인 다양한 종류의 IoT 기기 환경에서, 이러한 서비스 컴포지션 문제는 그 활용성이 더욱 높다.
그런데, 다양한 기기들과 자원 한계성을 갖는 IoT 서비스 환경에서는 일시적인 서버 다운, 시스템 과부하, 네트워크 불량 등의 환경적 변화가 발생할 수 있다. 이러한 변화가 발행하였을 때 기존 service composition 문제의 조건이 변하였기 때문에 그 전에 생성한 composite web service는 더 이상 최적의 solution으로 유효하지 못하다. 특히, QoS를 고려하는 service compositon 문제는 사용자가 원하는 목적을 달성하면서도 최적의 QoS값을 갖는 composite service를 구하는 문제로서, 일부의 환경적 조건 변화 때문에 전체 문제를 처음부터 고려하여 최적의 QoS 값을 갖는 솔루션을 찾는 것은 컴퓨팅 시간의 낭비를 초래하게 된다.
[그림 1] Emergency response system
본 논문에서는 환경의 변화가 발생하였을 때 QoS를 고려하는 service compositon 문제를 처음부터 다시 풀지 않고 이전 풀이에서의 중간 과정을 최대한 활용하여 최적의 솔루션을 효율적으로 찾아낼 수 있는 incremental re-composition algorithm을 제안하였다. 본 연구에서 제안한 알고리즘은 특히 적은 변화율을 갖는 경우에 기존 알고리즘에 비해 매우 빠르게 최적의 composite service를 찾아냈고, 다수의 경우에서 변화율의 증가에 따라 computing 시간의 선형적 증가세를 보임으로써, 그 효율성을 보였다.
본 연구실은 다양한 네트워크 환경에서 Web- 및 IoT-서비스의 효율적 사용을 위한 자동화된 service discovery & composition에 대한 연구를 AI planning, model checking, Graph theory 기반 기술을 사용하여 진행해왔고, 최근에는 GNN(Graph Neural Network)을 기반으로 Service representation learning 연구와 Stock/Bitcoin price movement prediction에 대한 연구를 진행 중이다.
-
On the confidence of stereo matching in a deep-learning era
김선옥 교수의 연구실에서 발표한 논문 "On the confidence of stereo matching in a deep-learning era: a quantitative evaluation"이 "IEEE Transactions on Pattern Analysis and Machine Intelligence"에 게재되었다.
2021-04-02 (AI융합대학)
논문 사이트로 이동
[그림 1] KITTI 2015 및 Middlebury 데이터셋으로 시험한 Qualitative results concerning Census-CBCA 알고리즘
본 논문은 스테레오 매칭을 획득한 깊이 영상의 신뢰도 추정 방법들을 분석한 논문으로 최근 머신러닝 분야의 세계 최고 학술지인 IEEE Transactions on Pattern Analysis and Machine Intelligence (Impact factor: 16.389) 에 게재 승인 받았다. 본 연구는 이탈리아의 볼로냐 대학교(University of Bologna) 연구진과 국내 한국항공대학교, 연세대학교, 고려대학교, 이화여자대학교의 공동 연구로 진행되었으며 기존의 handcrafted feature부터 최근 사용되고 있는 deep learning 기반의 방법 등 약 60여가지 이상의 신뢰도 추정 방법에 대한 실험을 진행하여 결과를 비교 및 분석하였다.
분석 결과, 2019년 세계 최고 컴퓨터비전 학술대회인 IEEE Computer Vision and Pattern Recognition (CVPR)에서 발표된 김선옥 교수의 ‘LAF-Net: Locally Adaptive Fusion Networks for Stereo Confidence Estimation”이 신뢰도 추정에 있어서 가장 뛰어난 성능을 보여줌을 확인하였다.
-
A Framework for Real-Time Intrusion Response in Software Defined Networking Using Precomputed Graphical Security Models
엄태훈 교수의 연구실에서 발표한 논문 "A Framework for Real-Time Intrusion Response in Software Defined Networking Using Precomputed Graphical Security Models"이 "Security and Communication Networks (SCN)" 2020년 호에 게재되었다.
2020-02-18 (AI융합대학)
논문 사이트로 이동
[Figure 1] Framework for real-time intrusion response in SDN
Software Defined Networking (SDN) has been adopted in many application domains, as it provides functionalities to dynamically control the network flow, more robust, and more economical compared to the traditional networks. In order to strengthen the security of the SDN against cyber attacks, many security solutions have been proposed. However, those solutions need to be compared in order to optimize the security of the SDN. To assess and evaluate the security of the SDN systematically, one can use graphical security models (e.g., Attack Graphs and Attack Trees). However, it is difficult to provide defense against an attack in real time due to their high computational complexity. In this paper, we propose a real-time intrusion response in SDN using precomputation to estimate the likelihood of future attack paths from an ongoing attack. We also take into account various SDN components to conduct a security assessment, which were not available when addressing only the components of an existing network. Our experimental analysis shows that we are able to estimate possible attack paths of an ongoing attack to mitigate it in real-time, as well as showing the security metrics that depend on the flow table corresponding to the attack considering the SDN component . Hence, the proposed approach can be used to provide effective real-time mitigation solutions for securing SDN.
-
A Multi-Trip Vehicle Routing Problem for Small Unmanned Aircraft Systems-Based Urban Delivery
최영훈 교수의 IASL 연구실에서 발표한 논문 "A Multi-Trip Vehicle Routing Problem for Small Unmanned Aircraft Systems-Based Urban Delivery"가 "Journal of Aircraft 2019 (JA 2019)"에 게재되었다.
2019-11-06 (AI융합대학)
논문 사이트로 이동
[그림 1] 도심항공네트워크 생성을 위한 프레임 워크
최영훈 교수의 IASL 연구실에서는 다개체 무인기를 활용하는 다양한 시나리오에 대한 임무 및 경로 계획 최적화에 관한 연구를 진행하고 있다. Journal of Aircraft에 실린 “A Multi-Trip Vehicle Routing Problem for Small Unmanned Aircraft Systems-Based Urban Delivery” 연구에서는 3차원 point cloud data를 활용하여 3차원 도시모델을 생성하고 이를 기반으로 항공 네트워크를 형성하는 프레임워크를 제안하였다. 또한 생성한 항공 네트워크를 활용하여 다양한 드론 배송 시나리오를 graph theory와 linear programming을 바탕으로 수학적인 모델링(정식화)를 통하여 비교 분석한 결과를 제시하였다.
-
Design of Warship Simulation Using Variable-Chromosome Genetic Algorithm
지승도 교수의 지능 시스템 연구실에서 발표한 논문 "Design of Warship Simulation Using Variable-Chromosome Genetic Algorithm"이 "Multi-Agent Systems" 2020년도 특집호에 게재되었다.
2019-10-02 (AI융합대학)
논문 사이트로 이동
A genetic algorithm (GA) is a global search algorithm based on biological genetics. GAs are generally used for industrial applications, artificial neural networks, web applications, the defense industry, and so on. However, it is difficult to apply GAs to more complex situations because of the fixed number of chromosomes. In this research, in order to overcome this limitation, we propose a variable-chromosome GA with a chromosome attachment feature. Verification of the algorithm is carried out through anti-submarine high value unit (HVU) escort mission simulations. Ultimately, it is confirmed that the GA using the variable chromosome is more effective in dealing with highly complex missions, whereby the number of chromosomes gradually increases.
[Figure 1] Overall methodology
the chromosomes organized by genes. These chromosomes, which are loaded on each model, are composed of 10 random chromosomes for the first generation. There are 10 chromosomes in an individual for the first generation, however, more or less than 10 chromosomes can be implemented via attachment after some generations have passed. Accordingly, it is possible to achieve flexible evolution, as the number of chromosomes is increased or decreased as necessary.
[Figure 2] Mission scenario
To validate the proposed methodology, wetested an anti-submarineHVUescort mission simulation. A submarine has firepower that is almost equal to a fleet. Thus, there are many warships that are required to cope with submarines. In this case study, we allocate warships, an HVU, helicopters, false targets, and an enemy submarine to create a complex warfare environment, as shown in Figure above The false targets are allocated randomly in every simulation, however, the warships, HVU, helicopters, and enemy submarine are allocated at fixed positions.
-
A Systematic Approach to Threat Modeling and Security Analysis for Software Defined Networking
엄태훈 교수의 연구실에서 발표한 논문 "A Systematic Approach to Threat Modeling and Security Analysis for Software Defined Networking"이 "IEEE Access" 2019년 호에 게재되었다.
2019-09-09 (AI융합대학)
논문 사이트로 이동
[Figure 1] A framework for security assessment in SDN
Software Defined Networking (SDN) extends capabilities of existing networks by providing various functionalities, such as flexible networking controls. However, there are many security threat vectors in SDN, including existing and emerging ones arising from new functionalities, that may hinder the use of SDN. To tackle this problem, many countermeasures have been developed to mitigate various threats faced in SDN. However, their effectiveness must be analyzed and compared to fully understand how security posture of SDN changes when the countermeasure is adopted. Also, it becomes difficult to optimize the security of SDN without using a systematic approach to evaluate the security posture of SDN. In this paper, we propose a novel framework to systematically model and analyze the security posture of SDN. We develop a novel graphical security model formalism named Threat Vector Hierarchical Attack Representation Model (TV-HARM), which provides a systematic approach to evaluate threats, attacks and countermeasures for SDN. The TV-HARM captures different threats and their combinations, enabling security risk assessment of SDN. In addition, we define three new security metrics to represent security of SDN. Our experimental results showed that the proposed security assessment framework can capture and evaluate various security threats to SDN, demonstrating the applicability and feasibility of the proposed framework.
-
Energy-Constrained Multi-UAV Coverage Path Planning for an Aerial Imagery Mission Using Column Generation
최영훈 교수의 IASL 연구실에서 발표한 논문 "Energy-Constrained Multi-UAV Coverage Path Planning for an Aerial Imagery Mission Using Column Generation"가 "Journal of Intelligent & Robotic Systems 2019"에 게재되었다.
2019-03-13 (AI융합대학)
논문 사이트로 이동
[그림 1] ABECOM과 RBECOM의 경로 탐색 결과 비교
Journal of Intelligent & Robotic Systems에 실린 “Energy-Constrained Multi-UAV Coverage Path Planning for an Aerial Imagery Mission Using Column Generation” 연구에서는 UAV를 활용하여 특정 지역을 스캔하는 임무를 다루었다. 이러한 임무는 정찰, 영상/이미지 촬영, 수색/구조 등의 다양한 임무로 확장되어 활용될 수 있다. UAV를 이런 임무를 수행할 때에는 최대한 회전비행을 하는 횟수를 줄이는 것이 중요한데 기존의 선형계획법을 활용한 경로 생성 방법으로는 항공기의 회전비행 특성을 반영하기가 어려웠다. 그 이유는 회전의 유무는 직전에 방문했던 waypoint와 다음에 방문할 waypoint가 결정된 뒤에 알 수 있는데 이 조건을 선형으로 표현하기 힘들기 때문이다. 이 연구에서 linear programming과 dynamic programming을 결합한 column generation 알고리즘을 통하여 이 문제를 해결할 수 있음을 보였다.
-
공중로봇 자율 비행을 위한 딥 강화 학습 기술 개발
최영식 교수의 RML 연구실에서 단안 카메라를 통해 획득한 영상에서 Semantic segmentation 및 Depth 등의 시각 정보를 추출하여, 이를 기반으로 공중로봇이 장애물을 피해 목표지점까지 자율 비행하도록 하는 딥 강화학습(Deep Reinforcement Learning) 기술을 개발했다.
2018-01-01 (AI융합대학)
본 연구는 삼성전자의 미래기술육성센터의 지원으로 2016년 9월부터 2018년 8월까지 진행되었다. 본 연구에서 개발한 시각 정보 추출 인공 신경망(Artificial Neural Network)을 실제 한국항공대 주변 풍경에 적용해본 영상이다. 아래 [영상 1]은 3가지 화면으로 구성되어 있으며, 위에서부터 RGB 이미지, Semantic Segmentation, 그리고 Depth를 나타낸다. CityScape 및 KITTI 데이터셋으로 실험한 결과 기존의 인공 신경망과 비교했을 때, 신경망의 크기는 1/20에서 1/30이지만 정확성은 최대 10% 더 높은 결과를 보였다. 신경망의 크기를 크게 줄인 결과 임베디드 GPGPU 장비인 nVidia의 Jetson TX2에서도 작동할 수 있었으며, 10Hz의 속도로 시각 정보를 추출하는데 성공했다.
[영상 1] 실제 환경에서의 시각 정보 추출 시험
[영상 2] 딥 강화학습(Deep Reinforcement Learning)을 이용한 공중로봇의 장애물 회피 훈련
위 [영상 2]는 본 연구를 통해 추출한 시각 정보를 이용해 시뮬레이션 환경에서 자율비행을 학습시킨 결과이다. Microsoft의 AirSim 환경에서 최대 16대의 에이전트가 동시에 딥 강화학습을 진행했다. GPS를 통해 목표 지점을 정해주면 공중 로봇이 장애물을 피해 목표 지점까지 비행하도록 학습시켰다. 약 24시간 학습한 후 충돌 없이 목표 지점까지 비행할 확률이 50%에 달했으며 약 48시간 학습 후에는 90% 이상에 달했다.
[영상 3] 실제 환경에서의 공중로봇 장애물 회피 시험
위 [영상 3]은 48시간의 시뮬레이션 학습을 마친 후 이를 실제 환경에 적용하여 실험한 결과이다. 공중로봇으로는 Parrot의 Bebop 2.0을 활용했으며, GPGPU 장비로는 nVidia의 Jetson TX2를 활용했다. 공중로봇의 단안 카메라가 이미지를 촬영하여 GPGPU 장비로 이를 전송하면, GPGPU 장비가 5Hz로 공중로봇의 비행 방향(Heading)과 속력을 제어한다. 실험 결과 목표 지점까지의 경로상에 장애물이 존재하면 약 5m에서 10m 전에 미리 비행 방향을 변경했으며, 장애물과 가까워질 수록 속력을 줄이는 것을 확인했다. 또한 장애물이 이동하더라도 충돌하지 않고 지속적으로 비행 방향과 속력을 조절하는 것을 확인했다. 다만 시뮬레이션 환경 상 움직이는 장애물에 대한 훈련을 실시하지 않았기 때문에, 충돌은 피하더라도 목표 지점까지 비행하는 경로를 찾는데는 실패하는 경향을 보였다.
