최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
도영임, 김지연
2019 / 한국컴퓨터게임학회논문지
Miyazaki K.,Neu J.L.,Osterman G.,Bowman K.
2022 / Environmental Research Communications
Lee, Chiyoung; Yang, Qing; Im, Eun-Ok; McConnell, Eleanor Schildwachter; Jung, Sin-Ho; Kim, Hyeoneui
2020 / SSM - Population Health
남진영
2021 / 경인교육대학교 교육연구원 교육논총
데이터가 존재하지 않습니다.
loading...
본 논문은 클라우드 컴퓨팅 환경에서 메모리 덤프 시 발생하는 연산 오버헤드를 최소화하기 위해 악성코드 분석 및 탐지에 필요한 인스턴스 메모리의 특정 부분만 모니터링하는 기술을 제안합니다. 제안하는 부분 메모리 모니터링 기반 악성코드 탐지 시스템을 통해 실효성을 검증했으며, 클라우드 플랫폼의 보안 강화를 위한 효율적인 솔루션을 제시합니다.
머신 러닝을 활용한 컴퓨터 보안
Cloud computing and big data : technologies, applications and security
클라우드 × 보안 실무가이드
Introduction to computer networks and cybersecurity
인공지능, 보안을 배우다 : 프로젝트로 익히는 정보 보안과 머신러닝
데이터 분석, AI, IT 발전에 대한 적응 방안 : 우리는 어떤 정보 통신 강국인가?
(해킹 초보를 위한) USB 공격과 방어
Assured cloud computing
Resource management of mobile cloud computing networks and environments
악성코드 분석가의 비법서
Machine learning in cyber trust : security, privacy, and reliability
(실전 예제로 배우는) 모의 해킹을 위한 메타스플로잇
Advances in computer architecture
Adversarial reasoning : computational approaches to reading the opponent's mind
네트워크 보안 실험실 : 단계별 가이드
(키워드로 풀어본) 컴퓨터 구조
Security in Computing : 컴퓨터 보안 바이블
파이썬 오픈소스 도구를 활용한 악성코드 분석 =
IEEE Transactions on Industrial Informatics
Mishra P.,Aggarwal P.,Vidyarthi A.,Singh P.,Khan B.,Alhelou H.H.,Siano P.Journal of Information Security and Applications
Mishra P.,Verma I.,Gupta S.Computers and Security
Tang F.,Ma B.,Li J.,Zhang F.,Su J.,Ma J.Future Generation Computer Systems
Choi S.H.,Park K.W.Mobile Networks and Applications
Zhang J.,Gao C.,Gong L.,Gu Z.,Man D.,Yang W.,Li W.Journal of Network and Computer Applications
Mishra, P.; Pilli, E.S.; Varadharajan, V.; Tupakula, U.ACM Computing Surveys
Sierra-Arriaga F.,Branco R.,Lee B.IEEE ACCESS
Kimmel, Jeffrey C.; Mcdole, Andrew D.; Abdelsalam, Mahmoud; Gupta, Maanak; Sandhu, RaviInternational Journal of Information Security
Patil R.,Dudeja H.,Modi C.IEEE Transactions on Cloud Computing
Mishra P.,Varadharajan V.,Pilli E.S.,Tupakula U.IEEE/ACM Transactions on Networking
Zhuozhao Li; Tanmoy Sen; Haiying Shen; Mooi Choo ChuahCluster Computing
Chaudhari A.,Gohil B.,Rao U.P.한국차세대컴퓨팅학회 논문지
조여름, 최상훈, 박기웅Computer
Chi-Wei Wang; Chia-Wei Wang; Chu-An Hsieh; Shiuhpyng Winston ShiehThe Journal of Supercomputing
Kai Tan; Dongyang Zhan; Lin Ye; Hongli Zhang; Binxing Fang; Zhihong TianForensic Science International: Digital Investigation
Nguyen T.,Orenbach M.,Atamli A.Transactions on Emerging Telecommunications Technologies
Tian D.,Zhao R.,Ma R.,Jia X.,Shen Q.,Hu C.,Liu W.Transactions on Emerging Telecommunications Technologies
Melvin A.A.R.,Kathrine G.J.W.,Ilango S.S.,Vimal S.,Rho S.,Xiong N.N.,Nam Y.Journal of Information Security and Applications
Panker, T.; Cohen, A.; Landman, T.; Bery, C.; Nissim, N.Evolving Systems: An Interdisciplinary Journal for Advanced Science and Technology
Baawi, Salwa Shakir; Oleiwi, Zahraa Ch.; Al-Muqarm, Abbas M. Ali; Al-Shammary, Dhiah; Sufi, Fahim전선 / 대학원
기존의 클라우드 의존적 AI 컴퓨팅이 사용자 프라이버시, 네트워크 과부하, 인터넷 단절에 대한 취약성 등 다양한 이슈를 야기함에 따라 최근 AI 컴퓨팅을 클라우드 뿐만 아니라 사용자 근처의 소형/저비용 엣지 컴퓨터에서도 수행하려는 흐름이 전개되며 앰비언트 인공지능이라는 개념이 탄생했다. 본 강좌는 최신 논문 분석, 구현 실습 및 그룹 프로젝트를 통해 앰비언트 인공지능을 위한 핵심 기술과 플랫폼을 익히고 응용하는 것을 목표로 한다. (1) 앰비언트 인공지능 기술: 모델 경량화, 신호처리와 딥러닝 모델의 하이브리드 운용, 클라우드-엣지 통합 운용, 연합 학습, 메타 학습 (2) 앰비언트 인공지능 플랫폼: TensorFlow, TensorFlow Lite, Coral AI, Jetson Nano (3) 앰비언트 인공지능 응용: 혼합현실, CCTV 자체 분석 등전선 / 대학원
기존의 클라우드 의존적 AI 컴퓨팅이 사용자 프라이버시, 네트워크 과부하, 인터넷 단절에 대한 취약성 등 다양한 이슈를 야기함에 따라 AI 컴퓨팅을 클라우드뿐만 아니라 사용자 근처의 소형/저비용 컴퓨터에서도 수행하려는 흐름이 전개되며 앰비언트 인공지능 혹은 엣지 인공지능이라는 개념이 탄생했다. 의료 데이터는 개인의 민감정보를 다량 포함하고 있어 특히 프라이버시가 중요하므로, 앰비언트 인공지능과 결합하였을 때 시너지 창출이 가능하다. 본 강좌는 앰비언트 인공지능의 최신 기술과 플랫폼 익히고 의료 도메인에 응용하는 것을 목표로 하며 구체적인 주제는 다음과 같다. ▪ 딥러닝 모델 경량화 (양자화, 가지치기, 지식 증류) ▪ 연합 학습 ▪ 딥러닝과 경량 신호처리 기법의 하이브리드 운용 ▪ 클라우드와 자원 제한적 엣지 기기의 통합 운용 ▪ 앰비언트 인공지능 소프트웨어 플랫폼 (TensorFlow, TensorFlow Lite) ▪ 앰비언트 인공지능 하드웨어 플랫폼 (Google Coral) ▪ 의료 도메인 데이터의 이해 (일례로, 수면 의학 데이터)전선 / 대학원
데이터센터 구조의 융합적 접근 (A Holistic Approach to Datacenter Architecture): 모바일, 클라우드 컴퓨팅이 보편화되면서 대부분의 대용량 자료들이 데이터센터에서 수집,처리,보관되고 있다. 본 강의에서는 융합적 시각에서 이러한 데이터센터를 하나의 컴퓨터로 접근하여, 전달, 연산, 저장 기능이 구현되는 원리와 예시를 학습하며, 보편적인 문제들인 소프트웨어와 하드웨어 구성요소, 확장성, 총소유비용 및 신뢰성 문제를 다룬다.전선 / 대학원
데이터센터 구조의 융합적 접근 (A Holistic Approach to Datacenter Architecture): 모바일, 클라우드 컴퓨팅이 보편화되면서 대부분의 대용량 자료들이 데이터센터에서 수집,처리,보관되고 있다. 본 강의에서는 융합적 시각에서 이러한 데이터센터를 하나의 컴퓨터로 접근하여, 전달, 연산, 저장 기능이 구현되는 원리와 예시를 학습하며, 보편적인 문제들인 소프트웨어와 하드웨어 구성요소, 확장성, 총소유비용 및 신뢰성 문제를 다룬다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 학사
DRAM과 NAND Flash memory 이후의 새로운 형태의 최신 메모리와 로직 반도체 소자 및 재료에 대한 기본 지식 제공을 목적으로 한다. FeRAM, MRAM, PcRAM, ReRAM 소자에 대한 새로운 지식을 제공하고 이들 소자의 궁극적 한계를 생각해본다. 또한, 논리 회로를 이루는 기본 게이트와 이들의 조합에 따른 논리 연산의 원리를 배운다. 이후 뉴로모픽 연산 및 딥러닝 시스템에 관한 기본 이해와 연산 방식에 관해 학습한다. 뉴메모리 및 로직 소자, 뉴로모픽 연산에 관한 전반적인 지식 습득과 더불어 궁극적으로 반도체 또는 고체 전자 소자가 직면하게 될 한계를 설명하고 이를 극복하기 위한 Nanoelectronics의 개념과 전개방향을 설명한다.전선 / 대학원
Shortest path, Network flow 등의 그래프 문제를 해결하는 최근에 개발된 알고리즘과 알고리즘 분야에서의 최근의 연구결과를 학습한다. 분산 시스템의 여러 모델들과 분산 시스템에서 발생하는 중요한 문제들을 해결하는 분산 알고리즘에 관하여 연구한다.전선 / 대학원
본 과목에서는 인공지능의 최신 연구에 대하여 살펴본다. 기계학습, 컴퓨터비전, 자연어처리, 음성인식, 로봇 공학 등 인공지능의 여러 세부 분야에 대해 대표적인 연구 논문들을 중심으로 이론 및 알고리즘, 응용 분야 등에 대해 발표하고 토의한다.전필 / 대학원
디지털포렌식 수행과정에서 암호화된 디지털 증거를 분석하기 위한 암호해독 방법을 다룬다. 그리고 법정에서 디지털 데이터가 증거로 채택되기 위해서는 증거의 무결성 유지가 요구되는데, 이 과목에서 이를 보장하는데 필요한 암호학적 도구를 강의한다. 또한 클라우드 컴퓨팅 환경이 마련되면서 새로운 기능을 가지는 암호 기술이 급격히 발전하고 있다. 이러한 미래 암호 기술을 구체적으로 살펴봄으로써 새로운 환경에서의 디지털포렌식을 대비할 수 있도록 한다.전선 / 대학원
최근 AI, 빅데이터, 사물인터넷등 새로운 응용 도메인이 대두되면서, 이를 효율적으로 실행하기 위한 새로운 컴퓨터 구조에 대한 수요가 높아지고 있다. 또한, 무어의 법칙에 따른 반도체 스케일링이 한계에 도달하면서, 이를 극복하기 위한 새로운 프로세서, 메모리 시스템 구조, 소프트웨어 스택의 혁신이 요구되고 있다. 이 과목에서는 이러한 맥락에서 컴퓨터 구조 분야의 최신 연구동향을 학습한다. 최신 논문의 강독 및 세미나 발표를 중심으로 진행되며, 기존의 범용 컴퓨터 아키텍처뿐만 아니라, 특정 도메인에 특화된 아키텍처 및 시스템 수준의 설계 이슈도 함께 다룬다.전선 / 대학원
이 과목에서는 내장형시스템 분야의 최신 연구동향을 학습한다. 최신 논문의 강독 및 세미나 발표를 중심으로 진행되며, 다양한 응용분야에서 내장형 시스템의 설계 이슈와 최신 방법론을 다룬다. 주요 강의주제는 시스템레벨 설계 방법론, 내장형소프트웨어 설계 및 최적화, 시스템온칩 아키텍처설계, 하드웨어/소프트웨어 통합설계 등을 다룬다. 또한, 구체적인 설계사례로 IoT 시스템, 스마트폰 등의 모바일 시스템, 스토리지 서브시스템 등을 다룬다. 논문 세미나에서는 top-tier 학회인 DAC, DATE, ESWEEK, ISCA, MICRO, FAST 등에서 발표된 최신 주요 논문을 주로 발표한다.전필 / 대학원
디지털 증거수집과 디지털 증거분석에 동원되는 최신 컴퓨터 기술을 심도 있게 다룬다. 휘발성/비휘발성 저장매체의 디지털 증거물 처리과정, 증거물의 온전함을 확보하는 기술, 디지털 증거물과 그 처리 과정의 무결점을 확인하는 기술, 디지털 포렌식에 사용되는 모든 자동 도구들의 무결점 확보 기술, 방대한 디지털 자료에서 유의미한 정보를 도출하는 빅데이터 분석 기술, off-line및 on-line 디지털 자료 실시간 분석 기술 등을 실습을 통해 살펴본다. 그리고 디지털 포렌식 관련 현장의 전문가들을 초청하여 최신 기술들을 들어본다.전선 / 대학원
본 과목에서는 컴퓨터시스템에 관한 최신 연구 주제를 다룬다. 컴퓨터시스템은 전통적으로 컴퓨터구조, 운영체제, 컴퓨터 네트워크, 데이터베이스, 분산 시스템 등 다양한 분야를 포함하는 연구 분야이다. 본 과목의 목표는 컴퓨터시스템의 분야의 기본 지식 뿐만 아니라 최신 연구 주제들을 살펴보고, 이를 통해 새로운 연구주제에 대한 사고를 촉진하는데 있다. 구체적으로 본 과목에서는 내장형 시스템으로부터 서버 시스템, 대규모 분산시스템에 이르는 최신의 컴퓨터시스템에서 성능, 에너지 효율성, 신뢰성, 확장성, 가용성, 일관성, 보안성 등을 향상시키기 위한 다양한 기법들을 살펴본다. 우수 국제학술회의나 학술지에 발표된 최근의 논문들이 강의자료로 활용된다.전필 / 대학원
디지털 포렌식 기술의 입문과정으로서, 디지털포렌식의 절차, 디지털포렌식 기술 동향과 역사, 디지털포렌식 기술의 위기와 대응방안을 살펴본다. 즉, 디지털 데이터의 삭제, 암호화, 은닉에 대응하는 컴퓨터 시스템 및 소프트웨어 도구 기술, 디지털 증거물 데이터 처리과정의 무결점을 보장하는 기술, 디지털 증거물의 온전함을 보장하는 기술 등을 살펴본다.전선 / 대학원
본 교과목은 데이터를 분석하여 유용한 정보를 추출하고 모델을 만들어 예측에 사용하는 데이터 마이닝에 대해 보다 깊이 있게 소개한다. 데이터마이닝의 중요한 알고리즘, 기반 기술, 대용량 데이터를 효과적으로 처리하는 마이닝 기술 등을 학습한다. 그리고 분산 시스템과 다수의 머신을 이용하여 빠르고 확장성 있게 대용량 데이터를 처리하는 방법을 논의한다. 또한 여러 실제 세계 응용에 어떻게 데이터마이닝을 적용하는지에 대해서도 논의한다. 주요 주제로 그래프 데이터 분석, 행렬/텐서 데이터 분석, 비정상 이벤트 탐지 등이 있다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
컴퓨터를 이용한 자료 분석으로 진단능을 향상시키는 방법을 개발하기 위한 연구 및 실험을 시행한다.전선 / 대학원
이 과목에서는 실시간시스템분야에서의 최신 연구동향을 학습한다. 멀티코어/GPGPU 등의 병렬컴퓨팅 환경, 이종의 컴퓨팅자원들이 결합된 이종컴퓨팅 환경 등 새롭게 대두되는 컴퓨팅 환경에서 실시간시스템을 구성하는 최신 기법들을 학습한다. 또한, 자율주행, 인공지능, IoT등 새롭게 등장하는 응용에서 실시간성을 보장하기 위한 최신 연구들을 학습한다.전선 / 학사