최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Lenzen, Manfred; Li, Mengyu; Malik, Arunima; Pomponi, Francesco; Sun, Ya-Yen; Wiedmann, Thomas; Faturay, Futu; Fry, Jacob; Gallego, Blanca; Geschke, Arne; Gomez-Paredes, Jorge; Kanemoto, Keiichiro; Kenway, Steven; Nansai, Keisuke; Prokopenko, Mikhail; Wakiyama, Takako; Wang, Yafei; Yousefzadeh, Moslem
2020 / PLOS ONE
데이터가 존재하지 않습니다.
loading...
본 논문은 인공지능 기반으로 서비스거부공격(DDoS)을 효율적으로 감내할 수 있는 서비스 모델 개발 방안을 제안합니다. 보안 장비 및 웹 서버로부터 수집된 데이터를 머신러닝 학습하여 공격을 탐지하고 피해를 최소화하며, 트래픽 변화 패턴 분석을 통해 공격성 데이터를 판단하여 대응합니다.
DDoS attacks : evolution, detection, prevention, reaction, and tolerance
(보안 시스템 전문가들이 공개하는)해킹과 방어 : 완전 실무
(보안 실무자를 위한) 네트워크 공격 패킷 분석 : 실습으로 익히는 공격 유형별 원리와 분석 노하우
Network anomaly detection : a machine learning perspective
위험한 인공지능 : AI가 무기가 된 세상, AI로 맞서는 보안 전문가를 위한 실전 가이드
Voice over IP in wireless heterogeneous networks : signalling, mobility, and security
(이제 시작이야!) 웹해킹 입문 : the basics
인공지능, 보안을 배우다 : 프로젝트로 익히는 정보 보안과 머신러닝
Next generation intelligent optical networks : from access to backbone
안전한 인공지능 시스템을 위한 심층 신경망 강화 : 적대적 공격에 속지 않는 심층 신경망 만들기
자동차 커넥티비티와 사이버 보안 : 자율주행, 커넥티드카, 모빌리티 서비스 등 자동차 기술 발전과 사이버 보안의 이해
Data analysis for network cyber-security
Security and resilience of control systems : theory and applications
System performance evaluation : methodologies and applications
Machine learning in cyber trust : security, privacy, and reliability
머신 러닝을 활용한 컴퓨터 보안
보안 데이터 시각화 : 데이터의 핵심을 한눈에 보여주는 최적의 기법
머신러닝을 활용한 웹 최적화 : AB 테스트, 메타휴리스틱, 슬롯머신 알고리즘에서 베이즈 최적화까지
Design of intelligent applications using machine learning and deep learning techniques
Journal of Network and Computer Applications
Adi, E.; Baig, Z.; Hingston, P.정보과학회논문지 : 정보통신
김미희, 채기준, 나중찬, 나현정, 방효찬IEEE ACCESS
Alashhab, Abdussalam Ahmed; Zahid, Mohd Soperi; Isyaku, Babangida; Elnour, Asma Abbas; Nagmeldin, Wamda; Abdelmaboud, Abdelzahir; Abdullah, Talal Ali Ahmed; Maiwada, Umar DanjumaInternational Journal of Computer Network and Information Security
Gadallah W.G.,Omar N.M.,Ibrahim H.M.Journal of Big Data
Kumari K.,Mrunalini M.IEEE Engineering Management Review
Paffenroth R.C.,Zhou C.정보과학회논문지
김혁준, 이동환, 김동화, 안명길, 김용현IEEE Transactions on Information Forensics and Security
Mosayeb Hajimaghsoodi; Rasool JaliliIEEE Access
Zhang C.,Luo F.,Ranzi G.Journal of Discrete Mathematical Sciences and Cryptography
Arora A.S.,Bahl B.,Raja L.ACM Transactions on Autonomous and Adaptive Systems
Barna, C.; Shtern, M.; Tzerpos, V.; Litoiu, M.; Smit, M.Cluster Computing
Tawalbeh L.,Almomani R.,Daraghmeh A.Journal of Network and Computer Applications
Singh, K.; Singh, P.; Kumar, K.Computer Communications
Thoma M.,Hadjicostis C.N.Computers and Security
Aktar S.,Yasin Nur A.Journal of King Saud University - Computer and Information Sciences
Asif M.,Abbas S.,Khan M.A.,Fatima A.,Khan M.A.,Lee S.W.정보처리학회논문지C
강길수, 이준희, 최경희, 정기현, 심재홍Journal of Discrete Mathematical Sciences and Cryptography
Ramesh G.,Gorantla V.A.K.,Gude V.디지털융복합연구
홍성혁Procedia Computer Science
Ongshu, Ishmam Ahmed; Reza, Ahmed Wasif; Uddin Aksir, Md. Emad; Alam, Mohammed Tasiful; Haq, Md. Mahfuzul; Alam, Farhana전선 / 대학원
본 강좌에서는 경영 활동에 전반적으로 활용되는 정보 기술, 시스템의 개념과 요소를 소개한다. 조직에서 지속적인 경쟁 우위를 확보하기 위해 활용하는 정보 기술, 시스템의 이론과 실제를 학습할 수 있는 다양한 이슈가 다뤄질 것이다. 학생들은 정보 기술의 최근 동향을 이해하고, 조직의 성과를 향상시키기 위해 이를 활용할 수 있는 방안에 대해 토의할 것이다. 이는 정보 기술을 사용과 관련하여 주요한 관리적 이슈가 무엇인지 이해할 수 있도록 도울 것이다.전선 / 학사
강의계획서 참조전선 / 대학원
본 과목에서는 기술예측에 대한 이론과 사례를 소개한다. 이를 위해 국가, 산업, 조직 차원에서 전문가 기반 예측(예. 델파이, 로드맵핑, 시나리오 기획)과 데이터 기반 예측(예, 동향분석, 상호영향분석, 시뮬레이션, 텍스트마이닝)의 접근법을 강의한다. 또한 기술 정보를 추출하여 기술예측 관련 의사 결정을 지원하는 기술 인텔리전스 모델과 도구들을 소개한다. 이를 통해 수강생들은 기술 기회와 위협을 발굴하여 미래를 준비하는데 필요한 기초지식을 습득하고 체화할 수 있을 것이다.전선 / 대학원
이 강의에서는 인공지능 신뢰성 문제, 즉 인공지능의 가치정렬, 적법·윤리성, 견고성을 측정·확보하는 기법과 이를 촉진하기 위한 제도의 설계 방안을 학습한다. 이를 위해 리스크의 측정·경감 기술의 이해 뿐 아니라 인문·사회과학·법적 관점을 융합한 다양한 접근을 제시한다. 구체적으로 공정한 기계학습, 설명 가능한 AI, 인간-AI 상호작용, 프라이버시 보존 데이터 분석, 자율시스템의 안전성, 인지모델의 견고성, 생성모델의 권리침해와 오남용 문제, 자율살상무기체계의 통제 등을 탐색한다.전선 / 학사
이 교과목은 다양한 학습 데이터를 분석하여 학습자의 흥미와 필요를 고려한 맞춤형 학습을 설계하는 방법을 소개한다. 인공지능을 활용하여 학습활동을 자동으로 분석하고 학습결과를 예측하며, 그 결과를 바탕으로 교수자와 인공지능이 적응적으로 학습을 지원하는 방안을 탐색한다. 학습 상황과 학습자의 특성에 따라 최적의 학습경험을 어떻게 설계하고 지원할 수 있는지 논의한다. 그리고 디지털 테크놀로지를 활용하여 공교육에서 학습 데이터를 수집, 분석, 활용하는 과정에서 발생하는 사회적 문제를 비판적으로 검토하고 창의적인 해결방안을 모색한다.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
이 강의에서는 인공지능 신뢰성 문제, 즉 인공지능의 가치정렬, 적법·윤리성, 견고성을 측정·확보하는 기법과 이를 촉진하기 위한 제도의 설계 방안을 학습한다. 이를 위해 리스크의 측정·경감 기술의 이해 뿐 아니라 인문·사회과학·법적 관점을 융합한 다양한 접근을 제시한다. 구체적으로 공정기계학습, 설명가능 AI, 인간-AI 상호작용, 프라이버시 보존 데이터 분석, 자율시스템의 안전성, 인지모델의 견고성, 생성모델의 권리침해와 오남용 문제, 자율살상무기체계의 통제 등을 탐색한다.전선 / 학사
데이터와 인공지능에 대한 이해를 바탕으로 디자인 과정의 효율과 창의성에 대한 실험을 진행한다. 인공지능을 기반으로 하는 생성적 디자인을 비롯하여, 디자인과정에서 인공지능을 활용하는 방법을 탐구한다.전선 / 학사
현대의 과학, 공학, 그리고 경영의 응용시스템은 데이터에 점점 더 많이 의존하게 되었지만 전통적인 데이터 분석 기술들은 복잡한 빅 데이터 시대에 맞도록 설계되어 있지 않는 실정이다. 데이터를 수집, 저장, 가공하여 그 안에서 지식을 추출하는 빅 데이터 분석은 새로운 과제들을 탐구하는 흥미 있고 빠르게 발전하는 하나의 학문으로 등장하였다. 본 강의에서는 프로그래밍 경험이 많지 않는 학생들을 대상으로 데이터의 수집 및 분석뿐만 아니라 데이터 프로그래밍 언어의 사용에도 초점을 맞춰 이를 바탕으로 빅 데이터 분석의 토대를 마련하는 것을 목표로 한다.전선 / 대학원
서비스마케팅과 제품마케팅과의 차이를 논의하고 서비스연구의 여러가지 모형을 검토함으로써 서비스 마케팅의 이론적 틀을 이해하도록 한다. 고객관리, 수요관리, 서비스 포지셔닝 등의 서비스 마케팅의 기본전략을 다룬후 서비스마케팅 믹스관리를 연구한다. 나아가 서비스 생산성, 서비스품질측정, 서비스 기업조직 등의 전략적 이슈를 다룬다.전선 / 대학원
기계학습 알고리즘의 하나로서 인공 지능 기술의 발전 과정과 최근의 딥러닝 알고리즘의 원리와 특징을 이해한다. 인공지능 알고리즘에 기반한 의료기기 개발 동향과 특히 소프트웨어 의료기기(Software as medical device, SaMD)에 대한 이해를 증진한다. 우수한 성능의 인공지능 기반 모델을 개발하기 위해서 필수로 요구되는 양질의 빅데이터 확보 방안과 바른 주석(well annotated)을 포함하는 빅데이터의 중요성을 이해한다. 인공지능 모델 개발 과정에서 필요한 구체적인 실기 능력 향상을 위해서 Python language의 기초적인 사용법을 습득하고 대표적인 딥러닝 알고리즘인 CNN과 RNN을 이용한 의료영상처리 및 생체신호 처리 실습을 통해 현장 전문가로서의 인공지능 기술 적용 역량을 강화한다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 학사
본 과목은 빅데이터를 활용하는 ML/AI/인지과학의 서비스를 개발할 때, 특히 많이 접하면서 까다로운 시계열 데이터 처리와, 파이썬 등으로 서비스를 개발을 효과적으로 할 수 있는 MLOps/DevOps 실전 가이드를 다루고자 한다. 연구 성과를 검증/공유하기 위해 패키지로 deploy하기 위한 도커/쿠버네티스 기술과 마이크로서비스 구축에 필요한 방법을 학습한다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 학사
최근 세계경제의 서비스화가 빠른 속도로 진행되고 있고 국내 산업구조 역시 제조 중심에서 서비스 산업 중심으로 크게 변화하고 있어, 서비스에 대한 이해와 생산성의 향상이 주요 관심사로 대두되고 있다. 서비스 시스템은 고객의 요구사항을 만족시키는 서비스를 생산ㆍ전달하기 위해 설계되는 기술과 조직적 네트워크의 복합체인 바, 본 교과목에서는 과학적ㆍ공학적 시각에서 서비스 시스템을 분석하고, 새로운 서비스 시스템을 설계ㆍ운영ㆍ혁신하기 위한 다양한 방법론을 학습한다.전선 / 대학원
본 과목은 디지털 정부의 도래로 제기되는 공공의사결정에서의 변화를 이해하고 이에 대응할 수 있는 다양한 지식과 기술을 습득하여 보다 합리적이고 바람직한 의사결정 역량을 배양하는 데 목적이 있다. 특히 공공의사결정에서 요구되는 근거의 개념과 활용법, 합리성과 윤리성의 충돌, 정보화 기술의 활용과 제약 등을 공공데이터 어낼릭틱스(public data analytics) 차원에서 학습하고, 이를 실제 정책문제에 적용해 증거기반 의사결정 보고서(Critically Appraised Topic report)를 작성하면서 디지털 정부가 지향하고 담당해야 할 공공의사결정의 의미에 대한 이해를 제고하고자 한다.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 / 대학원
이 강좌는 대표적인 친환경 녹색교통수단인 철도교통에 대한 철도공학적 이해 및 교통체계적 분석을 다룬다. 이를 위하여 철도계획 일반, 철도교통수요분석 및 평가, 시설 및 시스템, 운영 및 유지보수 등을 살펴본다. 아울러, 지속가능발전의 교통체계적 내재화를 위한 철도교통의 역할을 논의한다.