pISSN : 1226 - 4717 / eISSN : 2287 - 3880
발행기관 : 한국통신학회
발행기관 : 한국통신학회
한국통신학회 논문지는 1976년부터 발행되고 있으며, 정보통신 분야에서 가장 오래된 역사를 가지고 있는 국문/영문 혼용 논문지입니다. 정보, 통신, 네트워크 및 융합 기술에 관련된 주제를 다루는 전문 학술지로 정보, 통신, 네트워크 및 융합 기술에 관련된 새로운 개념, 이론, 기술과 응용까지 논문에서 다루는 주제에 따라 일반논문(Part A (AI for ICT Applications), Part B (Communications Systems), Part C (Networks and Computings), Part D (Services Applications and Emerging Topics), Part E (ICT Convergence), Part F (System Implementation)), 특집논문으로 분류하여 연간 400여 편의 논문이 발행되고 있습니다.
Indexed in
Publishing with
우수논문 (50권 10호, 10월 2025)
Few-Shot Anomaly Detection for Medical Ultrasound Images Using Metric Learning and Multimodal BiomedCLIP EmbeddingsHaeyun Lee Kyungsu Lee Jihun Kim |
|
| Medical ultrasound imaging is extensively utilized in clinical practice due to its advantages of safety, cost-effectiveness, and real-time imaging capability. Nevertheless, inherent issues such as low signal-to-noise ratios, operator dependency, and ... | |
주파수 스캐닝을 이용한 고해상도 광역관측 SAR 시스템 리뷰임정빈 김동현 반인모 이남윤 |
|
| 위성 기반 synthetic aperture radar (SAR)의 고해상도 광역관측 기술은 SAR의 해상도와 관측 폭 간의 상충 관계를 극복하기 위한 핵심 연구 주제이다. 일반적으로 SAR 시스템에서 고해상도를 구현하기 위해서는 pulse repetition frequency (PRF)를 높여야 하는 반면, 광역 관측을 구현하기 위해서는 PRF를 낮춰야 한다. 이러한 한계점을 극복하기 위해 다양한 SAR 기술이 제안되어 왔으며, 대표적인 고해... | |
최근 발간 목록 (50권 10호, 10월 2025)
A Redundancy-Aware Two-Step Random Access for LEO Satellite Networks
Taehoon Kim Seong Ho Chae Inkyu Bang
In this letter, we propose a redundancy-aware two-step random access (2sRA) for LEO satellite networks. We investigate key features of message bundling (MB), and message redundancy elimination (MRE) techniques and integrate them into the 2sRA framework. In our proposed scheme, each user equipment (UE) can initiate multiple RA attempts in parallel using the MB technique, while the base station (BS) retains the collided payloads and attempts to recover them using successfully decoded payloads, leveraging the MRE technique. Simulation results demonstrate that our proposed scheme significantly improves both access success probability and resource efficiency.
클라우드 서비스 비용절감을 위한 스토리지 서비스 운영모델 설계
박선철 김영한
기존 시스템의 클라우드 전환이 활발해짐에 따라 비용관리 문제가 부각되고, 이를 위한 전사적 비용관리 체계인 핀옵스(FinOps: Finance and DevOps)에 대한 활용도 증가하고 있다. 기존 스토리지 비용 최적화 연구는 아카이브 관점에서 저비용 원격지로 재배치 또는 압축기법의 단순 용량 축소에 초점을 맞추고 있다. 하지만, 실시간성스토리지 데이터는 서비스 생명주기 동안 누적 증가하고, 높은 서비스 영향도로 단순 최적화로는 한계가 있다. 본연구는 단일 클라우드 서비스(CSP: Cloud Service Provider)의 계층 서비스를 활용한 운영모델을 연구한다. 중대형 규모의 기존 시스템의 스토리지 데이터와 CSP 스토리지 분석을 통해 구성한 복합 배치모델을 제안한다. 제안모델은 웹 서비스 3계층의 필수 데이터를 용도별 CSP 스토리지 서비스로 배치하는 복합 배치모델을 통한 비용최적화와 운영특성을 반영한 머신러닝 예산예측으로 핀옵스 효율화를 지원한다. 중대형 규모의 기존 시스템을 클라우드로 전환시 비용평가를 통해 단일모델보다 약 56% 이상의 운영비용 절감과 순환신경망(RNN: Recurrent Neural Network)인 LSTM(Long Short-Term Memory)으로 비용예측을 수행해 예측오차율 약 18%로 효과성도 검증하였다. 본 연구는 기업의 지속 가능한 데이터 운영을 지원하여 클라우드 운영비용 절감과 클라우드 핀옵스를효과적으로 지원하는 데 기여할 것으로 기대된다.
An Empirical Analysis of Preprocessing Techniques for Short-Term Electricity Demand Forecasting
Gibak Kim Ji Eom Chaehee Park
This paper analyzes the impact of preprocessing techniques – including encoding, scaling, and engineered features – on the performance of short-time electricity demand forecasting based on machine learning models and validates their effectiveness through statistical hypothesis testing. We evaluated the effects of input data encoding (label, one-hot, cyclical), standardization, and engineered features. Through rigorous experiments with multiple model instances per condition, statistical significance was verified via Wilcoxon signed-rank tests. The results demonstrate that preprocessing techniques generally lead to a statistically significant improvement in electricity demand forecasting performance. However, the experimental results confirmed that the degree of effectiveness varies depending on the specific machine learning model employed. This study empirically highlights the importance of input data preprocessing in short-term electricity demand forecasting and provides insights into effective feature handling strategies considering model characteristics.
영상을 활용한 드론의 3차원 위치와 자세 방안
권진혁 김성민 권성오
본 연구에서는 영상을 활용한 드론의 3차원 측정 방안에 대해 제안한다. 드론의 착륙은 착륙장소로부터 정확한3차원 상대 위치가 필요하다. 데이터베이스의 영상과 비교를 통해 위치를 추정하는 방안은 기준 지점만을 인식하기 때문에 거리와 각도를 정확하게 추정하기 어렵다. 비선형 추정기를 활용한 거리와 각도의 추정 방안은 계산 복잡도의 증가와 계산에 따른 시간 지연으로 누적 오차가 발생할 수 있다. 다중 카메라를 활용한 기존의 연구는 거리와 위치의 정확도를 높였으나, 단일 카메라에 비해 복잡하며, 카메라의 왜곡과 비틀림으로 누적 오차가 발생할수 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 단일 카메라를 이용하여 3차원 측위와 자세 추정 방안을제안한다. 카메라의 내부 파라미터를 보정하고, 알려진 이미지에 대한 실제 공간과 이미지 평면 간의 대응 관계를연산하여 드론의 위치와 방향을 추정하였다. 추정된 카메라의 내부 파라미터와 드론의 추정 자세를 고려하여 착륙의 기준 지점으로부터 3차원 위치를 측정하는 방법을 제안하였다. 특히 각도가 크게 벗어나는 현상을 고려하여 평균 각도로 보정할 방법을 제안하였다. 실험을 통해 이 방법의 정확성을 확인하였고, 최대 47.4mm의 오차가 발생하였다.
개인정보 탐지 기반 Self-Destructing 메신저
소예나 이선우
본 연구에서는 개인정보 유출 방지를 위해 보안성을 강화한 Self-Destructing 메신저 애플리케이션을 제안한다.
제안된 애플리케이션은 개인정보의 민감도를 4등급으로 분류하고, 실시간 개인정보 탐지 기능을 통해 유출 위험을 사전에 방지한다. 개인정보의 등급에 따라 적절한 보호 조치가 활성화되며, 사용자는 열람 조건(시간, 열람 횟수)을 설정하여 메시지 접근 및 열람을 제어할 수 있다. 이를 통해 민감한 정보가 설정한 조건에 따라 자동 삭제되도록 하여 유출 가능성을 최소화한다. 또한, 본 애플리케이션은 AES 암호화와 Android KeyStore를 적용하여메시지를 안전하게 저장하며, 삭제 후에도 복구가 어렵도록 보안을 강화한다. 실험 결과, 개인정보의 등급별 탐지정확도는 96.25%에 달했으며 대표적인 포렌식 도구를 활용한 복구 시도에서도 메시지 복구가 불가능함을 확인하였다.
우수 논문 주파수 스캐닝을 이용한 고해상도 광역관측 SAR 시스템 리뷰
임정빈 김동현 반인모 이남윤
위성 기반 synthetic aperture radar (SAR)의 고해상도 광역관측 기술은 SAR의 해상도와 관측 폭 간의 상충 관계를 극복하기 위한 핵심 연구 주제이다. 일반적으로 SAR 시스템에서 고해상도를 구현하기 위해서는 pulse repetition frequency (PRF)를 높여야 하는 반면, 광역 관측을 구현하기 위해서는 PRF를 낮춰야 한다. 이러한 한계점을 극복하기 위해 다양한 SAR 기술이 제안되어 왔으며, 대표적인 고해상도 광역관측 기술로는 수신 채널 스캔(scan-on-receive, SCORE)과 주파수 스캐닝 (frequency scanning, F-scan)이 있다. 본 논문은 튜토리얼로써 SAR 이미지를 생성하기 위한 PRF 범위를 설명하고 고해상도와 광역 관측이 서로 상충관계에 있음을 보인다. 또한, 이를 극복하는 기술로써 빔 스퀸트를 이용하는 주파수 스캐닝 기술에 대해 소개하고 이에 대한 모의 실험 결과를통해 이 기술의 효용성을 입증한다.
Pre-Trained Large Language Model Pipeline for Anomaly Detection Based on the MITRE ATT&CK Framework
Kyuchang Kang Yu-Jin So Jong-Geun Park
In this paper, we propose a Large Language Model (LLM) pipeline utilizing the UWF-ZeekData22 dataset based on MITRE ATT&CK Matrix to address the growing cyber threats in modern society. We first performed an exploratory data analysis (EDA) to derive key feature groups that reflect the spatio-temporal characteristics and connectivity of network traffic logs. The derived feature groups are used to generate input sequences for pre-training the BERT model. In the pre-training phase, we applied a masked language model (MLM) task to effectively learn network traffic patterns and achieved a mask prediction accuracy of over 0.9.
In the fine-tuning and inference phase, we optimized the models for anomaly detection by adopting a weighted sampling technique to handle the imbalance problem of each tactic in the dataset. The performance evaluation showed that all models had an accuracy above 0.94 and an AUC-ROC value close to 1.0. We also analyzed the impact of the padding method according to model size and found that static padding performed better for large models, while dynamic padding performed better for small models. These results demonstrate that LLM-based pre-training can successfully learn complex patterns of network traffic logs and can reliably detect various tactics. Therefore, the proposal of this paper is expected to provide a practical case study in the modernization of network security systems and the development of real-time security monitoring solutions.
pISSN : 1226 - 4717
eISSN : 2287 - 3880