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.
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.
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.
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.
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.
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.