박상서 교수
Sang Seo Park
UNIST 지구환경도시건설공학과 · 컴퓨터과학
연구실 소개
박상서 교수의 연구실은 우주 및 기상 예측 시스템의 안정성과 정확도를 향상시키기 위한 사이버물리적 보안 및 데이터 보정 기술에 중점을 두고 있습니다. ROS2 기반 우주 시스템의 실시간 통신 보안을 강화하기 위해 머신러닝 기반 이상 행위 탐지 기술을 개발하며, 특히 RTPS 메타데이터 기반 경량 침입탐지 모델을 통해 실시간 성능과 정확도를 동시에 확보합니다. 또한 기상 예측 모델의 오차를 줄이기 위해 구름 상단 온도 기반 단계 인식 보정 기법을 개발하여 강우 예측 정확도를 향상시키고 있습니다. 이는 기후 모델링과 우주 임무의 안정성 확보를 동시에 고려한 융합 연구입니다.
연구 현황
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
3본 논문은 ROS2 기반 우주체계에서 발생 가능한 사이버물리적 보안 위협에 대응하기 위해 머신러닝 기반 이상 행위 탐지 시스템을 제안한다. ROS2 및 DDS/RTPS 기반 통신은 실시간 데이터 교환에 적합하지만, RTPS의 개방형 구조로 인해 명령 삽입, 세션 변조, 서비스 거부 공격에 취약하여 우주 임무의 무결성과 가용성을 저해할 수 있다. 이를 해결하기 위해 RTPS 통 신 메타데이터를 활용한 경량 침입탐지 모델을 설계하였으며, 공개 RTPS Attack Dataset에서 시간 간격, 시퀀스 차이, 직렬 화 데이터를 특징으로 추출하고 LLaMA 기반 토크나이저를 적용하였다. LightGBM, XGBoost, CatBoost, Random Forest 모 델을 비교한 결과, LightGBM이 높은 탐지 성능과 빠른 학습 속도를 보여 실시간 우주체계 보안 환경에 가장 적합함을 확인하였다.
Abstract This repository provides the Python implementation and sample datasets for the Phase-Aware Bias Correction method, as described in the manuscript: "Improving Heavy Precipitation Forecasts via Phase-Aware Bias Correction of All-Sky Infrared Radiances Using Cloud-Top Temperature" (submitted to Journal of Advances in Modeling Earth Systems (JAMES)). Key Methodology The provided code addresses systematic biases in all-sky infrared (IR) radiances within numerical weather prediction (NWP) sys
Abstract This repository provides the Python implementation and sample datasets for the Phase-Aware Bias Correction method, as described in the manuscript: "Improving Heavy Precipitation Forecasts via Phase-Aware Bias Correction of All-Sky Infrared Radiances Using Cloud-Top Temperature" (submitted to Journal of Advances in Modeling Earth Systems (JAMES)). Key Methodology The provided code addresses systematic biases in all-sky infrared (IR) radiances within numerical weather prediction (NWP) sys
대표 연구 분야
박상서 교수의 연구를 Nubint에서 더 깊이 살펴보세요
이 연구실의 논문을 앱에서 열어 AI와 함께 읽고, 핵심을 요약하고, 내 글에 인용하세요.