개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김형중
- 발행연도
- 2018
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 사물인터넷(IoT : Internet of Things)의 등장과 다양한 스마트 서비스 환경으로의 변화는 사용자의 상태나 주변 기기의 정보를 실시간으로 수집하고 분석하기 위해 빅데이터 분석 플랫폼 연계 구조로 변화되고 있다. 수집된 데이터는 사용자나 주변의 상태를 분석하여 서비스 상태를 최상으로 유지하면서 기계의 고장이나 오류에 대한 빠른 진단을 위해 인공지능 기술을 함께 적용하고 있다. 이렇게 사물인터넷은 환경이 빠르게 변화되면서 플랫폼 구조가 복잡해지고 실시간으로 정확한 분석과 성능을 유지하기 위한 융합 기술을 적극적으로 도입하고 있다.
사물인터넷은 이러한 변화의 가운데서 다양한 센서를 하나로 연결하여 데이터를 수집하는 초연결 환경을 구축하고 있다. 이 과정에서 다양한 스마트 장치와 연결되면서 여러 가지 문제들이 발견되고 있다. 예를 들면, 센서의 해킹이나 보안 등과 같은 문제로 인해 장치가 제어되지 않거나 사용자의 개인정보가 유출되는 경우가 있다. 그렇기 때문에 지속적인 연결을 위해 센서의 이상 상태를 탐지하거나 예측하는 것이 중요하다. 특히 센서 데이터는 실시간성이 보장되어야 하고 안정적인 스마트 서비스를 위해 실시간 모니터링 환경이 요구된다. 그리고 이 데이터를 통합하고 이상 상태를 판단하는 기계학습 기반의 이상 탐지 모델이 요구된다. 그럼으로써 사용자의 상황이나 장치의 상태가 정확하게 판단되어 정확한 서비스와 연결성을 보장할 수 있다.
본 연구는 수집된 센서의 이상탐지를 위해 빅데이터 기반의 IoT 이상데이터 식별 및 장애 탐지 시스템을 제안한다. 제안한 시스템은 센서의 이상탐지를 빠르게 처리하기 위해 기계학습 기반의 장애 탐지 모델을 적용하였다. 또한 기계학습의 성능 개선하기 위해 하이퍼파라미터 최적화와 함께 잘 정제된 데이터를 이용하여 기계학습을 수행하였다. 그 결과, 전처리되지 않은 데이터를 이용한 기계학습보다 정확한 이상탐지와 함께 학습 성능도 더 우수한 결과를 확인하였다.
사물인터넷은 이러한 변화의 가운데서 다양한 센서를 하나로 연결하여 데이터를 수집하는 초연결 환경을 구축하고 있다. 이 과정에서 다양한 스마트 장치와 연결되면서 여러 가지 문제들이 발견되고 있다. 예를 들면, 센서의 해킹이나 보안 등과 같은 문제로 인해 장치가 제어되지 않거나 사용자의 개인정보가 유출되는 경우가 있다. 그렇기 때문에 지속적인 연결을 위해 센서의 이상 상태를 탐지하거나 예측하는 것이 중요하다. 특히 센서 데이터는 실시간성이 보장되어야 하고 안정적인 스마트 서비스를 위해 실시간 모니터링 환경이 요구된다. 그리고 이 데이터를 통합하고 이상 상태를 판단하는 기계학습 기반의 이상 탐지 모델이 요구된다. 그럼으로써 사용자의 상황이나 장치의 상태가 정확하게 판단되어 정확한 서비스와 연결성을 보장할 수 있다.
본 연구는 수집된 센서의 이상탐지를 위해 빅데이터 기반의 IoT 이상데이터 식별 및 장애 탐지 시스템을 제안한다. 제안한 시스템은 센서의 이상탐지를 빠르게 처리하기 위해 기계학습 기반의 장애 탐지 모델을 적용하였다. 또한 기계학습의 성능 개선하기 위해 하이퍼파라미터 최적화와 함께 잘 정제된 데이터를 이용하여 기계학습을 수행하였다. 그 결과, 전처리되지 않은 데이터를 이용한 기계학습보다 정확한 이상탐지와 함께 학습 성능도 더 우수한 결과를 확인하였다.
목차
제 1 장 서 론 1제 2 장 관련연구 3제 1 절 사물인터넷 3제 2 절 기계학습 방법 6제 3 장 사물인터넷 이상탐지 모델 9제 1 절 시스템 모델 및 연구범위 9제 2 절 이상탐지 기계학습 모델 13제 4 장 실험 및 결과 15제 1 절 데이터 수집 체계 및 구조 15제 2 절 실험결과 및 분석 181. 데이터 선형 정제 실험결과 182. 회귀분석 및 SVM 실험결과 223. 기계학습 실험결과 274. 기계학습 최적화 평가 분석 31제 5 장 결론 및 향후 연구 33참고문헌 34
최근 본 자료
댓글(0)
0