Yeondon Jeong

클라우드 컴퓨팅은 규모의 경제를 실현할 수 있는 큰 데이터 센터로부터 컴퓨팅을 필요에 따라 임대하여 이용할 수 있게 한다. 보다 저렴하고 효과적인 컴퓨팅 방법을 제공함에 따라 클라우드 컴퓨팅은 IT 기업과 학계 양쪽의 많은 관심을 받고 있다. 클라우드 컴퓨팅에서의 데이터 처리는 특정 데이터 센터들을 구성하는 수천, 수만 대의 노드 컴퓨터를 이용한 병렬 처리로 수행된다. 이러한 비공유 구조 상의 병렬 처리는 전통적인 분산, 병렬 컴퓨팅 분야에서 그간 많이 연구되어 왔으나, 전통적인 병렬 처리와는 구별되는 특징이 있다. 또한 클라우드 컴퓨팅에서의 데이터 관리는 DBMS와 같은 전통적 데이터 관리기법과는 많은 차이를 가진다. 이러한 차이는 고성능, 고가용성을 위한 데이터 복제의 적극적인 이용, DBMS에서보다 더 완화된 일관성 모델, 좀더 단순한 접근 패턴과 유연한 데이터 모델 등에 기인한다. 이 논문에서는 현재 클라우드 컴퓨팅 분야에 적용된 여러 데이터 처리/관리에 관한 기법들을 조사한

최근 빠르게 확산되고 있는 온라인 소셜 네트워크 서비스는 수많은 데이터를 저장하고 이를 분석하여 여러 연구 분야에 활용하고 있다. 정보의 효율성을 높이기 위해 기업이나 공공기관은 자신들이 가진 데이터를 배포하고, 배포된 데이터를 이용하여 여러 목적에 사용한다. 그러나 배포되는 소셜 네트워크에는 개인과 관련된 정보가 포함되어 있으므로 개인 프라이버시가 노출될 수 있는 문제가 있다. 배포되는 소셜 네트워크에서 단순히 이름 등의 식별자를 지우는 것으로는 개인 프라이버시 보호에 충분하지 않으며, 소셜 네트워크가 가진 구조적 정보에 의해서도 개인 프라이버시가 노출될 수 있다. 본 논문에서는 내용 정보를 포함하고 있는 소셜 네트워크 배포 시 개인 프라이버시 노출에 이용되는 복합된 공격법을 제시하고 이를 방지할 수 있는 새로운 모델인 ℓ-차수 다양성(ℓ-degree diversity)을 제안한다. ℓ-차수 다양성은 소셜 네트워크 데이터 배포에서 ℓ-다양성을 최초로 적용한 모델이며 높은 정보 보존

최근 다양한 분야에서 데이터들이 활발하게 활용되고 있다. 이에 따라 데이터의 공유나 배포를 요구하는 목소리가 높아지고 있다. 그러나 공유된 데이터에 개인과 관련된 민감한 정보가 있을 경우, 개인의 민감한 정보가 드러나는 프라이버시 유출이 발생할 수 있다. 개인 정보가 포함된 데이터를 배포하기 위해 개인의 프라이버시를 보호하면서 데이터를 최소한으로 변형하는 프라이버시 보호 데이터 배포(privacy-preserving data publishing, PPDP)가 연구되어 왔다. 프라이버시 보호 데이터 배포 연구는 다양한 공격자 모델을 가정하고 이러한 공격자의 프라이버시 유출 공격으로부터 프라이버시를 보호하기 위한 원칙인 프라이버시 모델에 따라 발전해왔다. 본 논문에서는 먼저 프라이버시 유출 공격에 대해 알아본다. 그리고 프라이버시 모델들을 프라이버시 유출 공격에 따라 분류하고 각 프라이버시 모델들 간의 차이점과 요구 조건에 대해 알아본다.

최근 머신러닝 및 딥러닝 기법을 활용한 주식 가격 예측 연구가 다양하게 이루어지고 있다. 그 중에서도 최근에는 주식 매수 및 매도 주문 정보를 담고 있는 호가창을 이용하여 주가를 예측하려는 연구가 시도되고 있다. 하지만 호가창을 활용한 연구는 대부분 가장 최근 일정 기간 동안의 호가창 추이만을 고려하며, 호가창의 중기 추이와 단기 추이를 같이 고려하는 연구는 거의 진행되지 않았다. 이에 본 논문에서는 호가창의 중기와 단기 추이를 모두 고려하여 주가 등락을 보다 정확히 예측하는 딥러닝 기반 예측 모델을 제안한다. 더욱이 본 논문에서 제안하는 모델은 중단기 호가창 정보 외에도 해당 종목에 대한 동기간 뉴스 헤드라인까지 고려하여 기업의 정성적 상황까지 주가 예측에 반영한다. 본 논문에서 제안하는 딥러닝 기반 예측 모델은 호가창 변화의 특징을 합성곱 신경망으로 추출하고 뉴스 헤드라인의 특징을 Word2vec을 이용하여 추출한 뒤, 이들 정보를 결합하여 특정 기업 주식의 다음 날 등락 여부를

논문에서는 무선 방송 환경에서 에너지 효율적인 질의 처리를 위한 XML 데이타 스트리밍 방법을 제안한다. 제안하는 방법은 원본 XML 문서의 데이타를 효과적으로 캡슐화하여 클라이언트에서의 스트림 접근 시간을 단축시킨다. 또한 연관된 데이타들 사이의 주소 정보를 이용하여 서로 다른 방식의 스트림 구조를 제안하고 이들에 대한 이벤트 구동 방식의 스트림 생성 방법과 단순 경로 질의에 대한 처리 알고리즘을 제시한다. 또한 실제 XML 데이타에 대한 실험을 통해 질의 처리 시 튜닝 성능을 크게 향상시킴을 보인다.

NAND flash memory is becoming widely used as storage media for various mobile devices such as smart phones, portable media players (PMPs), digital cameras, and laptops. As the capacity of flash memory increases, the use of index structures on flash memory becomes more important. The B+-tree is one of the most popular index structures used in disk-based storage systems. However, due to the unique characteristics of flash memory, such as erase-before-write, and asymmetric read/write speed, the dir

지난 몇 년간 소셜 네트워크(Social network) 서비스는 급속도로 성장해 왔으며 향후 수년간 이러한 추세는 지속될 전망이다. 이에 따라 해당 기업, 공공기관에서는 다량의 소셜 네트워크 데이터를 보유하게 되었으며, 이 데이터를 배포하여 각종 연구 기관에서 인구통계, 통계분석 등의 연구 목적에 사용할 수 있다. 그러나 배포되는 소셜 네트워크 데이터는 외부정보와 결합되어 개인프라이버시 노출의 문제를 초래할 수 있다. 소셜 네트워크 데이터 소유자는 데이터를 배포하기 전 개인을 식별할 수 있는 명시적 정보를 삭제하거나 암호화해야 함은 물론 외부정보와 결합되어 개인프라이버시 노출의 문제를 발생시킬 가능성이 있는 데이터 또한 수정해야 한다. 데이터 수정 과정에서 수정되는 데이터의 양이 적을수록 데이터의 유용성은 높아진다. 본 논문에서는 소셜 네트워크 프라이버시 보호 기법과 관련된 기존 연구가 고려하지 않은 내용정보 고려 및 구조정보 왜곡을 보완하는 새로운 기법을 제안한다. 또한 다양한

최근 데이터 프라이버시 보호를 위한 익명화 기법에 대한 연구가 활발히 진행되고 있다. 그러나 대부분의 연구가 정적인 테이블 데이터의 익명화 기법에 초점을 맞추고 있다. 데이터를 이용하는 분야가 늘어남에 따라 다양한 환경에 적합한 프라이버시 보호 기법이 필요하다. 이 논문에서는 데이터 스트림 환경에서 프라이버시 보호를 위한 효과적인 익명화 기법을 제안한다. 기존 데이터 스트림에서 프라이버시 연구가 k-익명화 모델에 제한되어 있으므로 더 강력한 프라이버시 보호를 보장하는 ℓ-다양성 모델을 위한 새로운 익명화 기법을 소개한다. 제안하는 기법은 데이터의 분포와 자주 등장하는 민감한 정보의 빈도를 이용하여 정보손실을 최소화 한다. 또한 실제 데이터를 이용한 다양한 실험을 통해 제안 기법의 효율성 및 성능을 평가한다.

사용자의 프로필 정보, 사용자간 관계 등을 포함한 소셜 네트워크 데이터는 정부, 연구기관 등 제 3자에 배포되어 마케팅, 의학연구, 인간관계 분석 등 다양한 분야에 이용된다. 그러나 사용자의 민감한 정보가 데이터에 포함되어 있을 수 있으므로 배포 전 반드시 데이터 익명화 작업이 필요하다. 최근 소셜 네트워크 데이터 익명화에 관한 연구가 활발히 진행되고 있으나 연구가 방향성이 있는 그래프로 모델화된 소셜 네트워크 데이터를 다룬 논문은 없다. 본 논문에서는 방향성이 있는 그래프로 모델화된 소셜 네트워크 익명화 모델과 두 가지 알고리즘을 제안한다. 알려진 바로는 본 논문이 방향성이 있는 그래프로 모델화된 소셜 네트워크 익명화 기법을 다룬 첫 번째 논문이다. 제안된 두 가지 알고리즘은 간선 추가 기법을 사용하여 소셜 네트워크 데이터를 익명화 하며, 실제 소셜 네트워크 데이터를 사용한 실험을 통해 성능을 평가하였다.

개인정보가 포함된 데이터 스트림은 프라이버시 보호를 위해 익명화 과정을 거쳐 활용되어야 한다. 기존의 데이터 스트림을 위한 익명화 기법은 일정량의 데이터를 저장하였다가 익명화하는 방법을 사용한다. 이러한 기존의 데이터 스트림을 위한 익명화 기법은 배포의 실시간성을 보장하지 못하고, 큰 정보 손실을 발생시킨다. 본 논문에서는 이러한 기존 기법의 문제점을 해결하기 위하여, 무지연 익명화(Delay-free) 기법을 제안한다. 무지연 익명화는 레코드를 입력되는 즉시 Anatomy 방법으로 배포하여 데이터 활용의 실시간성을 보장한다. 또한 배포된 레코드의 정보를 유지하여 높은 정보 유용성을 보인다. 몇 가지 성능 향상 기법은 익명화 과정에서 발생하는 정보 손실을 크게 감소시킨다. 알려진 바로, 무지연 익명화는 데이터 스트림의 실시간성을 보장하는 최초의 기법이다. 실험을 통하여 제안하는 기법이 높은 정보 유용성을 보임을 확인한다.

최근 위치기반 정보 서비스는 GPS를 탑재한 스마트폰의 대중화 및 다양한 무선통신 기술의 발달에 힘입어 새로운 성장 국면을 맞이하고 있다. 본 논문에서는 효과적인 위치기반 정보 서비스 제공의 초석이 될 수 있는 위치 기반 질의 처리 기법 동향을 소개·분석한다 (본 논문에서 소개하는 연속 공간 범위 질의 기법들은 VCI, Q-Indexing, MQM, MobiEyes, P2P-MQM, 연속 k-최근접 질의 기법들은 Yu-CNN, SEA-CNN, CPM, iSEE, disMKNN, P2P-MQM이다). 특히, 질의 및 데이터의 위치 변화에 따라 지속적으로 질의 결과의 유효성을 검증하고 새로운 결과를 신속하고 에너지 효율적으로 제공하기 위한 연속 위치기반 질의 처리 기법에 초점을 맞추어 진행한다. 또한, 기존의 위치기반 질의의 한계점과 향후 연구 방향을 제시한다.

네트워크는 온도, 습도 등 서로 연관된 여러 종류의 스칼라 데이타를 감지하기 때문에, 다차원 영역 질의가 유용하게 사용된다. 그리고 데이타 기반 센서 네트워크에서는 데이타가 센서에 직접 저장되기 때문에, 다차원 데이타를 효율적으로 관리하기 위해서는 데이타 주소 지정이 매우 중요하다. 이전의 다차원 영역 질의 처리 기법들은 데이타를 효율적으로 관리하는데 집중하여, 네트워크의 동작 시간(수명)을 고려하지 않았다. 본 논문은 Hilbert 곡선을 이용하여 센서 노드들을 선형화하고, 각 센서에게 데이타 공간을 균일하게 배분시키는, 동적인 데이타 분산 기법을 사용함으로써 네트워크 동작 시간을 연장시키는 방법을 제안한다.

방송 기법을 통한 데이타의 전달은 대역폭 활용의 이점과 에너지 효율성, 확장성으로 인해 무선 모바일 환경에서 효과적인 방법으로 알려져 있다. 본 논문에서는 무선 방송 환경에서 트리 기반의 색인 구조를 사용하기 때문에 이동 사용자의 접근 시간이 증가하는 “질의 처리의 지연 문제”를 다루고 있다. 본 논문에서는 “질의 처리의 지연 문제”를 해결하기 위한 분산 색인 구조와 함께 XML 데이타의 에너지 및 접근 시간 효율적인 방송을 위한 클러스터링 방법을 제안한다. 먼저 분산 색인 구조를 구현하기 위해 엘리먼트의 태그 이름과 애트리뷰트, 그리고 텍스트와 색인 정보를 포함하고 있는 DIX 노드 구조를 제안한다. 모바일 사용자는 DIX 노드에 포함되어 있는 색인 정보를 통해 무선 XML 스트림에서 보다 짧은 지연 시간만으로 원하는 정보에 접근할 수 있다. 또한, 질의 처리를 위한 탐색 범위를 한정시킴으로써 질의 처리에 소요되는 접근 시간과 튜닝 시간을 단축시킬 수 있는 클러스터링 정책을 제안한

웹 응용 프로그램의 급격한 증가와 함께 웹 트래픽이 증가하고 있다. 웹에 대한 요청과 그 응답에 대한 기록인 웹 로그 또한 폭발적으로 증가하고 있다. 웹 로그로부터 가치 있는 정보를 취득하기 위해서는 매우 큰 용량의 데이터를 효과적이고 다양한 방법으로 다룰 수 있는 시스템이 필요하다. 본 논문에서는 백본망 로그 기반 대화형 웹 분석 시스템인 CERES를 소개한다. 기존의 웹 분석 시스템들과 달리, CERES는 하나의 웹 서버에 대한 분석이 아닌 백본망에서 생성되는 모든 웹 로그의 분석을 목적으로 한다. CERES는 하둡 분산 파일 시스템 (HDFS)을 저장소로 하는 서버 클러스터에 배포되며, 대용량의 로그에 기반한 분석을 분산 처리를 통해 지원한다. CERES는 백본망에서 생성된 웹 로그 데이터를 관계형 데이터로 변환하고, 사용자는 변환된 관계형 데이터에 대해 SQL을 이용하여 질의를 요청할 수 있다. 내부적으로 CERES는 웹 로그의 통계적 분석에 대한 질의를 효과적으로 처리하기

센서 네트워크는 군사 분야 및 환경 감시등 다양한 분야에서 사용될 수 있다. 그러나 제한된 배터리를사용해야하는 센서 노드의 수명을 연장하기 위한 에너지 절약 기술은 중요한 문제이다. 센서 네트워크에서 에너지를 절약하기 위하여 네트워크 내 데이터 병합 (in-network aggregation) 기법들이 제안되었다.기존의 네트워크 내 데이터 병합기법들은 MIN, MAX등 일차원 측정값의 질의를 지원하지만, 다차원 측정값에 대한 질의를 고려하지 않았다. 기존의잘 알려진 다차원 데이터 질의기법으로 스카이라인 질의기법이 있다. 스카이라인 질의는 다른 값 보다 나쁘지 않은 값의 집합을 반환한다. 그러나 기존의 스카이라인 질의 처리 기법들은 중앙집중식 데이터베이스에서 질의를 처리하기 때문에 이벤트가 빈번하게 발생하는 센서 네트워크에서는 에너지 효율적이지 못하다. 본 논문에서는 센서 네트워크에서 스카이라인 질의처리를 위한 에너지 효율적인 새로운 기법을 제안한다. 제안하는 기법은 센서 노드의 통신