-
국내 최초 인공위성 대상 사이버 보안 점검 수행
최근 지구 관측, 기상 관측, 위성통신, 위성항법 시스템 등 다양한 우주 산업영역이 빠르게 확장되고 있으며 위성 시스템은 사회의 필수적인 인프라로 자리 잡고 있다. 이들 시스템에 대한 사이버공격은 심각한 경제적 손실과 함께 국민 생활의 불편을 초래할 수 있어 국가 우주 인프라 보호를 위해 위성 사이버보안 관리체계가 요구되고 있다.
우리 대학은 국가정보원과 협력하여 우주 분야를 대상으로 한 사이버 위협에 대비하고 국가 위성 자산의 안정성을 확보하기 위해 KAIST 인공위성연구소에서 운영 중인 인공위성과 지상국을 대상으로 사이버보안 점검을 국내 최초로 실시한다고 28일 밝혔다.
국가정보원은 지난 6월 관계 부처와 KAIST 등 우주 관련 연구기관이 참여하는 위성 사이버보안 협의체를 출범해 인공위성의‘설계ㆍ운용ㆍ폐기’등 생애 全 주기에 대한 사이버보안 관리체계를 구축하고 있다.
인공위성연구소는 국가정보원과 함께 임무 운영을 종료한 차세대소형위성과 운영 지상국을 대상으로 다양한 사이버공격 시나리오를 검토하고 대응 방안을 모색해 나갈 계획이다.
우리 대학 이광형 총장은 “우주 연구 분야에서 국내 최고 수준의 기술력을 갖추고 있는 KAIST와 사이버보안 최고 기관인 국가정보원의 역량이 뭉쳐져 시너지 창출이 될 것”이라며, “KAIST가 사이버 위협으로부터 국가 우주자산을 보호할 수 있는 체계 마련과 기술개발에 큰 역할을 할 것으로 기대한다”고 밝혔다.
2024.08.28
조회수 1448
-
해킹 공격 막는 암호 반도체 최초 개발
사물인터넷(IoT), 자율 주행 등 5G/6G 시대 소자 또는 기기 간의 상호 정보 교환이 급증함에 따라 해킹 공격이 고도화되고 있다. 이에 따라, 기기에서 데이터를 안전하게 전송하기 위해서는 보안 기능 강화가 필수적이다.
우리 대학 전기및전자공학부 최양규 교수와 류승탁 교수 공동연구팀이 ‘해킹 막는 세계 최초 보안용 암호 반도체’를 개발하는 데 성공했다고 29일 밝혔다.
연구팀은 100% 실리콘 호환 공정으로 제작된 핀펫(FinFET) 기반 보안용 암호반도체 크립토그래픽 트랜지스터(cryptographic transistor, 이하 크립토리스터(cryptoristor))를 세계 최초로 개발했다. 이는 트랜지스터 하나로 이루어진 독창적 구조를 갖고 있을 뿐만 아니라, 동작 방식 또한 독특해 유일무이한 특성을 구비한 난수발생기다.
인공지능 등의 모든 보안 환경에서 가장 중요한 요소는 난수발생기이다. 가장 널리 사용되는 보안 칩인 ‘고급 암호화 표준(advanced encryption standard, AES)’에서 난수발생기는 핵심 요소로, AES 보안 칩 전체 면적의 약 75%, 에너지 소모의 85% 이상을 차지한다. 따라서, 모바일 혹은 사물인터넷(IoT)에 탑재가 가능한 저전력/초소형 난수발생기 개발이 시급하다.
기존의 난수발생기는 전력 소모가 매우 크고 실리콘 CMOS 공정과의 호환성이 떨어진다는 단점이 있고, 회로 기반의 난수발생기들은 점유 면적이 매우 크다는 단점이 있다.
연구팀은 기존 세계 최고 수준 연구 대비 전력 소모와 점유 면적 모두 수천 배 이상 작은 암호 반도체인 단일 소자 기반의 크립토리스터(cryptoristor)를 개발했다. 절연층이 실리콘 하부에 형성되어 있는 실리콘 온 인슐레이터(Silicon-on-Insulator, SOI) 기판 위에 제작된 핀펫(FinFET)이 가지는 내재적인 전위 불안정성을 이용해 무작위적으로 0과 1을 예측 불가능하게 내보내는 난수발생기를 개발했다.
다시 설명하면, 보통 모바일 기기 등에서 정보를 교환할 때 데이터를 암호화하는 알고리즘에는 해커가 암호화한 알고리즘을 예측할 수 없도록 하는 것이 중요하다. 이에 무작위의 0과 1이 난수이며 0과 1의 배열이 매번 다른 결과가 나오게 하여 예측 불가능성을 가지도록 함으로써 공격자가 예측하지 못하도록 차단하는 방식이다.
특히, 크립토리스터 기반 난수발생기 연구는 국제적으로도 구현한 사례가 없는 세계 최초의 연구이면서, 기존 논리 연산용 또는 메모리용 소자와 동일한 구조의 트랜지스터이기 때문에, 현재 반도체 설비를 이용한 양산 공정으로 100% 제작이 가능하며 저비용으로 빠르게 대량생산이 가능하다는 점에서 의미가 크다.
연구를 주도한 김승일 박사과정은 개발된 “암호 반도체로서 초소형/저전력 난수발생기는 특유의 예측 불가능성으로 인해 보안 기능을 강화해 칩 또는 칩 간의 통신 보안으로 안전한 초연결성을 지원할 수 있고, 특히 기존 연구 대비 에너지, 집적도, 비용 측면에서 탁월한 장점을 갖고 있어 사물인터넷(IoT) 기기 환경에 적합하다”고 연구의 의의를 설명했다.
전기및전자공학부 김승일 박사과정이 제1 저자, 유형진 석사가 공저자로 참여한 이번 연구는 국제학술지 ‘사이언스(Science)’의 자매지인 ‘사이언스 어드밴시스(Science Advances)’ 2024년 2월 온라인판에 정식 출판됐다. (논문명 : Cryptographic transistor for true random number generator with low power consumption)
한편 이번 연구는 한국연구재단 차세대지능형반도체기술개발사업, 국가반도체연구실지원핵심기술개발사업의 지원을 받아 수행됐다.
2024.02.29
조회수 4150
-
박인규 교수팀의 전자 코 기술, 2023년 10대 나노기술 선정
우리 대학 기계공학과 박인규 교수 연구팀이 개발한 마이크로 LED 가스 센서가 과학기술정보통신부와 나노기술연구협의회가 수여하는 2023년 10대 나노기술에 선정됐다고 29일 밝혔다. (기술명: 마이크로 LED와 금속산화물 나노소재가 일체된 초저전력 가스센서 기술)
박인규 교수 연구팀은 수십 마이크로미터 크기(마이크로미터: 10-6m)의 초소형 LED 바로 위에 고민감도의 금속산화물 나노소재가 집적된 광활성식 가스센서 플랫폼을 개발했다. 연구팀은 초소형 마이크로 LED에서 나오는 빛이 금속산화물에 전달되어 광활성시키고 가스 감지 소재로 활용되는 원리를 적용하고, 딥러닝 알고리즘을 이용해 여러 종의 가스를 실시간으로 높은 정확도로 선택적 판별하는 전자코 (electronic nose; E-nose) 기술을 개발했다. (가스 종 판별 정확도 99%, 농도 값 예측 오차 14%)
마이크로 LED 가스 센서는 낭비되는 광 에너지 손실 없이 전달 효율을 높여서 초저전력 가스 감지를 실현했다. 기존 가스센서 대비 소모 전력도 1,000분의 1 수준(10-7~10-4 W)으로 획기적으로 절감했고, 수명이 매우 길고 상온에서 동작하기 때문에 언제 어디서나 장시간 안정적으로 구동이 가능하다.
특히, 마이크로 LED 가스 센서를 이용해 단일 센서만으로도 혼합 가스에 섞여 있는 각 가스의 종류 판별과 농도를 예측하는 전자 코 기술도 개발했다. (그림 2) 사람의 후각을 모사한 전자코 시스템은 일반적으로 서로 다른 다수의 가스 센서를 동시에 활용하고 딥러닝 기반의 패턴인식 기술을 적용해 가스들을 구분하는데, 사용되는 센서의 수가 증가할수록 전체 시스템 부피와 소모 전력 또한 증가한다. 이에 비해 연구팀은 단일 센서만으로도 고성능의 전자코 시스템을 개발했고 전체 시스템의 부피와 소모 전력 절감에 기여했다.
박인규 교수와 이기철 박사과정 연구팀은 지금도 지속적으로 마이크로 LED 가스 센서 기술을 개발 중이며 지금까지의 결과를 올해 저명한 SCI 저널들에서 발표했다. (학술지명: ACS Nano, IF: 17.1. Light: Science & Applications, IF: 19.4. Small, IF: 13.3)
연구책임자인 박인규 교수는 "마이크로 LED 기반의 광원 일체형 가스 센서는 상온 동작이 가능하고 기존의 가열 방식 가스 센서에 비해 소모전력이 1,000분의 1 이하 수준으로 초저전력 구동이 가능해 대기오염 모니터링, 음식물 신선도 모니터링, 헬스케어 등 다양한 분야에서도 응용될 수 있는 모바일 가스 센서 기술로 발전될 것ˮ이라고 연구의 의의를 설명했다.
과학기술정보통신부와 나노기술연구협의회는 국가연구개발사업 중 매년 우수한 나노기술 10개를 선정해 나노기술에 대한 대국민 인식을 제고하고, 나노기술의 중요성을 알리고 있으며, 공모 분야는 기초원천기술과 산업화 유망기술 두 가지로 나눠져있다. 수상 시에는 기념 상패와 우수성과를 소개하는 홍보 영상 제작이 지원된다. (2023년 10대 나노기술 유튜브 링크:
https://youtu.be/osxylkXhN6M?si=g3MbDdOMgwuJiWUR)
2023.12.29
조회수 4308
-
구글딥마인드와 공동연구를 통해 인공지능으로 시각을 상상하다
‘노란 포도'나 `보라색 바나나'와 같이 본 적 없는 시각 개념을 이해하고 상상하는 인공지능 능력 구현이 가능해졌다.
우리 대학 전산학부 안성진 교수 연구팀이 구글 딥마인드 및 미국 럿거스 대학교와의 국제 공동 연구를 통해 시각적 지식을 체계적으로 조합해 새로운 개념을 이해하는 인공지능 새로운 모델과 프로그램을 수행하는 벤치마크를 개발했다고 30일 밝혔다.
인간은 `보라색 포도'와 `노란 바나나' 같은 개념을 학습하고, 이를 분리한 뒤 재조합해 `노란 포도'나 `보라색 바나나'와 같이 본 적 없는 개념을 상상하는 능력이 있다. 이런 능력은 체계적 일반화 혹은 조합적 일반화라고 불리며, 범용 인공지능을 구현하는 데 있어 핵심적인 요소로 여겨진다.
체계적 일반화 문제는 1988년 미국의 저명한 인지과학자 제리 포더(Jerry Fodor)와 제논 필리쉰(Zenon Pylyshyn)이 인공신경망이 이 문제를 해결할 수 없다고 주장한 이후, 35년 동안 인공지능 딥러닝 분야에서 큰 도전 과제로 남아 있다. 이 문제는 언어뿐만 아니라 시각 정보에서도 발생하지만, 지금까지는 주로 언어의 체계적 일반화에만 초점이 맞춰져 있었고, 시각 정보에 관한 연구는 상대적으로 부족했다.
안성진 교수가 이끄는 국제 공동 연구팀은 이러한 공백을 메우고자 시각 정보에 대한 체계적 일반화를 연구할 수 있는 벤치마크를 개발했다. 시각 정보는 언어와는 달리 명확한 `단어'나 `토큰'의 구조가 없어, 이 구조를 학습하고 체계적 일반화를 달성하는 것이 큰 도전이다.
연구를 주도한 안성진 교수는 “시각 정보의 체계적 일반화가 범용 인공지능을 달성하기 위해 필수적인 능력이며 이 연구를 통해 인공지능의 추론능력과 상상능력 관련 분야의 발전을 가속할 것으로 기대한다”고 말했다.
또한, 딥마인드의 책임 연구원으로 연구에 참여한 연구원이자 현재 스위스 로잔연방공과대학교(EPFL)의 찰라 걸셔(Caglar Gulcehre) 교수는 “체계적 일반화가 가능해지면 현재보다 훨씬 적은 데이터로 더 높은 성능을 낼 수 있게 될 것이다”라고 전했다.
이번 연구는 12월 10일부터 16일까지 미국 뉴올리언스에서 열리는 제37회 신경정보처리학회(NeurIPS)에서 발표될 예정이다.
관련논문: “Imagine the Unseen World: A Benchmark for Systematic Generalization in Visual World Models”, Yeongbin Kim, Gautam Singh, Junyeong Park, Caglar Gulcehre, Sungjin Ahn, NeurIPS 23
2023.11.30
조회수 4136
-
손상된 양자얽힘을 되돌리는 기술 개발 성공
현시대 컴퓨터로는 풀기 어려운 문제를 해결하려는 기술이나 고전적으로는 도달할 수 없는 높은 정밀도의 구현, 그리고 원천적으로 해킹이 불가능한 통신 기술들의 공통점은 바로 양자정보 기술을 활용한다는 것이다. 현재 많은 관심을 받고 있는 양자정보 기술의 대부분은 양자얽힘이라는 양자적 특성을 기반으로 한다.
우리 대학 물리학과 라영식 교수 연구팀이 약한 양자측정을 양자얽힘 검증에 도입해 양자얽힘의 직접적 검증을 진행하고, 이 과정에서 손상된 양자얽힘을 되돌림 측정을 이용해 양자얽힘을 원래대로 되돌리는 기술 개발에 성공했다고 10일 밝혔다.
양자얽힘은 고전 물리로 설명될 수 없는 양자 물리의 고유한 특성으로서 서로 멀리 떨어져 있는 두 입자 중 한쪽의 상태가 결정되는 순간 다른 쪽의 상태가 결정되는 독특한 현상을 나타낸다. 양자얽힘의 존재는 양자측정을 사용하여 검증해야 하지만, 이러한 측정 과정 자체가 양자얽힘을 파괴하는 문제가 있어 검증이 완료된 양자얽힘 상태를 차후 양자기술에 활용하는데 어려움이 있었다.
하지만, 연구팀은 이러한 문제를 해결하기 위해 양자얽힘을 완전히 파괴시키지 않는 ‘약한 양자측정’을 도입하여 양자얽힘을 검증하였고, 이 과정에서 손상된 양자얽힘을 ‘되돌림 측정’을 이용해 원상태로 되돌리는 기술을 개발하였다.
‘약한 양자측정’이란 양자상태를 측정할 때 양자상태에 가해지는 변화를 줄이면서도 필요한 정보를 얻어낼 수 있는 양자측정 기술이다. 약한 양자 측정을 양자얽힘 검증에 도입할 경우, 양자얽힘을 완전히 파괴하지 않고도 양자얽힘이 존재하는지 확인할 수 있다.
약한 양자측정 이후 양자상태에 남아 있는 양자얽힘의 양은 원래의 양보다는 적다. 연구진은 ‘되돌림 측정’을 도입해 줄어든 양자얽힘을 원래대로 되돌릴 수 있음을 보였다. 약한 양자측정의 역과정에 해당하는 되돌림 측정은 손상된 양자상태를 일정 확률로 원래대로 되돌려 양자얽힘을 원상태로 복구할 수 있다. 이러한 복구 과정은 앞서 시행한 양자얽힘 검증과 상호 교환 관계가 있어, 연구팀은 두 값을 적절히 조정할 시 양자얽힘의 존재를 검증함과 동시에 되돌려진 양자얽힘을 다시 활용할 수 있음을 보였다.ﾠ
라영식 교수는 "이번 연구를 활용하여 검증된 양자상태를 양자 암호 키 분배, 양자 원격 전송과 같은 다양한 양자 기술 분야에 적용할 수 있을 것ˮ이라고 연구의 의의를 설명했다.
물리학과 김현진 석박사통합과정 학생이 제1 저자로 참여하고 정지혁, 이경준 석박사통합과정 학생이 공동 저자로 참여한 이번 연구는 저명 국제 학술지 `사이언스 어드밴시스(Science Advances)'에 2023년 10월 온라인판으로 정식 출판됐다. (논문명: Recovering quantum entanglement after its certification)
한편 이번 연구는 정보통신기획평가원 (양자인터넷 핵심원천기술 사업, 대학ICT연구센터지원사업)과 한국연구재단 (양자컴퓨팅 기술개발사업, 중견연구자지원사업)의 지원을 받아 수행됐다.
2023.10.12
조회수 4201
-
세계 최초로 사람처럼 사물의 개념을 스스로 학습하는 장면 인식 기술 개발
우리 대학 전산학부 안성진 교수 연구팀이 미국 럿거스(Rutgers) 대학교와 공동연구를 통해 사람의 라벨링 없이 스스로 영상 속 객체를 식별할 수 있는 인공지능 기술을 개발했다고 1일 밝혔다. 이 모델은 복잡한 영상에서 각 장면의 객체들에 대한 명시적인 라벨링 없이도 객체를 식별하는 최초의 인공지능 모델이다.
기계가 주변 환경을 지능적으로 인지하고 추론하기 위해서는 시각적 장면을 구성하는 객체들과 그들의 관계를 파악하는 능력이 필수적이다. 하지만 이 분야의 연구는 대부분 영상의 각 픽셀에 대응하는 객체의 라벨을 사람이 일일이 표시해야 하는 지도적 학습 방식을 사용했다. 이 같은 수작업은 오류가 발생하기 쉽고 많은 시간과 비용을 요구한다는 단점이 있다.
이에 반해 이번에 연구팀이 개발한 기술은 인간과 유사하게 환경에 대한 관측만으로 객체의 개념을 스스로 자가 학습하는 방식을 취한다. 이렇게 인간의 지도 없이 스스로 객체의 개념을 학습할 수 있는 인공지능은 차세대 인지 기술의 핵심으로 기대돼왔다.
비지도 학습을 이용한 이전 연구들은 단순한 객체 형태와 배경이 명확히 구분될 수 있는 단순한 장면에서만 객체를 식별하는 단점이 있었다. 이와 달리 이번에 안성진 교수 연구팀이 개발한 기술은 복잡한 형태의 많은 객체가 존재하는 사실적인 장면에도 적용될 수 있는 최초의 모델이다.
이 연구는 그림 인공지능 소프트웨어인 DALL-E와 같이 텍스트 입력을 통해 사실적인 이미지를 생성할 수 있는 이미지 생성 연구에서 영감을 얻었다. 연구팀은 텍스트를 입력하는 대신, 모델이 장면에서 객체를 감지하고 그 객체의 표상(representation)으로부터 이미지를 생성하는 방식으로 모델을 학습시켰다. 또한, 모델에 DALL-E와 유사한 트랜스포머 디코더를 사용하는 것이 사실적이고 복잡한 영상을 처리할 수 있게 한 주요 요인이라고 밝혔다.
연구팀은 복잡하고 정제되지 않은 영상뿐만 아니라, 많은 물고기가 있는 수족관과 교통이 혼잡한 도로의 상황을 담은 유튜브 영상과 같이 복잡한 실제 영상에서도 모델의 성능을 측정했다. 그 결과, 제시된 모델이 기존 모델보다 객체를 훨씬 더 정확하게 분할하고 일반화하는 것을 확인할 수 있었다.
연구팀을 이끈 안성진 교수는 "인간과 유사한 자가 학습 방식으로 상황을 인지하고 해석하는 혁신적인 기술ˮ이라며 "시각적 상황인지 능력을 획기적으로 개선해 지능형 로봇 분야, 자율 주행 분야뿐만 아니라 시각적 인공지능 기술 전반에 비용 절감과 성능향상을 가져올 수 있다ˮ고 말했다.
이번 연구는 미국 뉴올리언스에서 지난 11월 28일부터 개최되어 12월 9일까지 진행 예정인 세계 최고 수준의 기계학습(머신러닝) 학회인 제36회 신경정보처리학회(NeurIPS)에서 발표됐다.
2022.12.02
조회수 5911
-
이성주, 신진우 교수팀, 스스로 새로운 환경 적응하는 인공지능 기술 개발
우리 대학 전기및전자공학부 이성주 교수와 AI대학원 신진우 교수 연구팀이 공동연구를 통해 스스로 환경변화에 적응하는 테스트타임 적응 인공지능 기술을 개발했다고 밝혔다.
해당 연구는 “NOTE: Robust Continual Test-time Adaptation Against Temporal Correlation”라는 제목으로 인공지능 분야 최고권위 국제학술대회 ‘신경정보처리시스템학회(NeurIPS) 2022'에서12월 발표될 예정이다.
이성주 교수와 신진우 교수 공동 연구팀이 스스로 새로운 환경에 적응하는 “테스트타임 적응 (Test-Time Adaptation)” 인공지능 기술을 개발하였다. 연구팀이 제안한 알고리즘은 기존의 최고 성능 알고리즘보다 평균 11% 향상된 정확도를 보였다.
기계학습 모델들의 한계점은 학습했던 데이터와 다른 분포의 데이터에 적용되면 성능이 급격히 하락한다는 것이다. 이를 푸는 여러 방법 중에서 데이터를 미리 수집할 필요없이 모델이 스스로 테스트 데이터를 분석하여 변하는 환경에 적응하고 성능을 향상시키는 기술인 테스트타임 도메인 적응 (Test-Time Adaptation) 방법이 최근 산학계에서 크게 각광을 받고 있었다.
연구팀은 기존의 테스트타임 도메인 적응 기술들이 모두 데이터가 이상적인 균일분포를 따른다는 가정을 한다는 문제점에 착안했다. 실제 데이터는 환경 변화나 시간 변화에 따라 데이터 분포가 변하거나 비균일분포의 데이터에 대해서는 기존 기술을 동작하지 않는다. 하지만 연구팀이 제시한 “NOTE” 기술은 비균일분포의 데이터에서도 기존 최대 성능 알고리즘 보다 평균 11%만큼 향상된 정확도를 보였다.
이성주 교수 연구팀과 신진우 교수 연구팀의 공동연구로, 공태식 박사과정이 제1저자로 연구를 이끌었고, 정종헌 박사과정, 김태원 학사과정, 김예원 석사과정이 공동 저자로 기여하였다.
이성주 교수와 신진우 교수는 ”테스트타임 도메인 적응은 인공지능이 스스로 환경 변화에 적응하여 성능을 향상시키는 기술로, 활용도가 무궁무진하다. 이번에 발표될 NOTE 기술은 실제 데이터 분포에서 성능향상을 보인 최초의 기술이고 자율주행, 인공지능 의료, 모바일 헬스케어 등 다양한 분야에 적용이 가능할 것으로 기대된다.” 라고 밝혔다.
이 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원 (No. NRF-2020R1A2C1004062)과 방위사업청과 국방과학연구소의 지원(UD190031RD)으로 한국과학기술원 미래 국방 인공지능 특화연구센터에서 수행된 연구이다.
2022.10.21
조회수 7314
-
세계 최초 개인정보 보호 기술이 적용된 인공지능(AI) 반도체 개발
우리 대학 전기및전자공학부 유민수 교수 연구팀이 세계 최초로 `차등 프라이버시 기술이 적용된 인공지능(AI) 어플리케이션(Differentially private machine learning)'의 성능을 비약적으로 높이는 인공지능 반도체를 개발했다고 19일 밝혔다.
빅데이터 및 인공지능 기술의 발전과 함께 구글, 애플, 마이크로소프트 등 클라우드 서비스를 제공하는 기업들은 전 세계 수십억 명의 사용자들에게 인공지능 기술을 기반으로 여러 가지 서비스(머신러닝 애즈 어 서비스, ML-as-a-Service, MLaaS)를 제공하고 있다. 이러한 서비스 중에는, 대표적으로 유튜브나 페이스북 등에서 시청자의 개별 취향에 맞춰 동영상 콘텐츠나 상품 등을 추천하는 `개인화 추천 시스템 기술(예- 딥러닝 추천 모델, Deep Learning Recommendation Model)' 이나, 구글 포토(Photo) 와 애플 아이클라우드(iCloud) 등에서 사진을 인물 별로 분류해주는 `안면 인식 기술 (예- 합성곱 신경망 네트워크 안면 인식, Convolutional Neural Network based Face Recognition)' 등이 있다.
이와 같은 서비스는 사용자의 정보를 대량으로 수집해, 이를 기반으로 인공지능 알고리즘의 정확도와 성능을 개선한다. 이 과정에서 필연적으로 많은 양의 사용자 정보가 서비스 제공 기업의 데이터 센터로 전송되고, 민감한 개인정보나 파일들이 저장되고 사용되는 과정에서 정보가 유출되는 문제가 발생하기도 한다.
또한 이러한 문제는 최근 주목받는 대형 인공지능 모델의 경우에 더 쉽게 발생하는 경향이 있으며, 실제 구글에서 사용하는 대화형 인공지능 모델인 GPT-2의 경우, 특정 단어들을 이야기했을 때 사용자의 개인정보 등을 유출하는 문제를 보였다. [참고1] 유사사례로서 국내에서 2020년 화제가 되었던 스캐터랩의 인공지능 챗봇 이루다의 경우에도 비슷한 문제가 불거진 적이 있다. [참고2]
[참고1] https://ai.googleblog.com/2020/12/privacy-considerations-in-large.html
[참고2] https://n.news.naver.com/mnews/article/092/0002243051?sid=105
이에 애플, 구글, 마이크로소프트 등 빅 테크 기업에서는 `차등 프라이버시 (differential privacy)' 기술을 크게 주목하고 있다. 차등 프라이버시 기술은 학습에 사용되는 그라디언트(gradient, 학습 방향 기울기)에 잡음(노이즈)를 섞음으로써 인공지능 모델로부터 사용자의 개인정보를 유출하는 모든 종류의 공격을 방어할 수 있다.
하지만 이러한 장점에도 불구하고, 차등 프라이버시 기술 적용 시, 기존 대비 어플리케이션의 속도와 성능이 크게 하락하는 문제 때문에 아직까지 범용적으로 널리 적용되지는 못했다. 이는 차등 프라이버시 머신러닝 학습 과정이 일반적인 머신러닝 학습과 다른 특성을 보이고, 이로 인해 기존의 하드웨어에서 효과적으로 실행되지 않아 메모리 사용량, 학습 속도 및 하드웨어 활용도 (hardware utilization) 측면에서 비효율적이기 때문이다.
이에 유민수 교수 연구팀은 차등 프라이버시 기술의 성능 병목 구간을 분석해 해당 기술이 적용된 어플리케이션의 성능을 크게 시킬 수 있는 `차등 프라이버시 머신러닝을 위한 인공지능(AI) 반도체 칩'을 개발했다. 유민수 교수팀이 개발한 인공지능 반도체는 외적 기반 연산기와 덧셈기 트리 기반의 후처리 연산기 등으로 구성돼 있으며, 현재 가장 널리 사용되는 인공지능 프로세서인 구글 TPUv3 대비 차등 프라이버시 인공지능 학습 과정을 3.6 배 빠르게 실행시킬 수 있고, 엔비디아의 최신 GPU A100 대비 10배 적은 자원으로 대등한 성능을 보인다고 연구팀 관계자는 설명했다. 또한 이번 개발을 통해서 기존 하드웨어의 한계로 널리 쓰이지 못했던 차등 정보보호 기술의 대중화에 도움을 줄 수 있을 것으로 기대된다고 전했다.
우리 대학 전기및전자공학부 박범식, 황랑기 연구원이 공동 제1 저자로, 윤동호, 최윤혁 연구원이 공동 저자로 참여한 이번 연구는 미국 시카고에서 열리는 컴퓨터 구조 분야 최우수 국제 학술대회인 `55th IEEE/ACM International Symposium on Microarchitecture(MICRO 2022)'에서 오늘 10월 발표될 예정이다. (논문명 : DiVa: An Accelerator for Differentially Private Machine Learning)
또한 이번 연구는 지금까지는 없던 차등 프라이버시가 적용된 인공지능 반도체를 세계 최초로 개발했다는 점에서 의의가 있으며, 차등 프라이버시 인공지능 기술을 대중화해 인공지능 기반 서비스 사용자들의 개인정보를 보호하는 데에 큰 도움을 줄 수 있을 것으로 보인다. 또한, 가속기의 성능 향상은 인공지능 연구 효율을 높여 차등 프라이버시 인공지능 모델의 정확도 개선에도 기여할 것으로 보인다.
한편 이번 연구는 한국연구재단, 삼성전자, 그리고 반도체설계교육센터 (IDEC, IC Design Education Center)의 지원을 받아 수행됐다.
2022.08.19
조회수 8758
-
나노 크기 인공 지문으로 복제불가 사물인터넷 보안, 인증 원천기술 개발
우리 대학 신소재공학과 김상욱 교수 연구팀이 DGIST 로봇및기계전자공학과 김봉훈 교수, 성균관대 화학공학/고분자공학부 권석준 교수와 공동연구를 통해 사람의 지문과 같이 매번 다른 형태를 형성하는 무작위적인 분자조립 나노 패턴을 이용한 새로운 IoT(사물인터넷) 보안/인증 원천기술을 개발했다고 9일 밝혔다.
최근 IoT 기술이 발전함에 따라 다양한 기기들이 인터넷을 통해 연결된 초연결 시대가 도래하고 있다. 그러나 IoT 기기들의 해킹 사례가 빈번하게 보고되고 있으며, IoT 기술을 안전하게 사용할 수 있느냐에 대한 의문이 제기되는 실정이다.
우리 주위에 흔히 사용되는 인증 방법으로 사람의 지문이나 핸드폰 등에서 제공해주는 QR 패턴을 들 수 있다. 사람의 지문은 모든 사람에게 다르게 형성되므로 각 개인을 식별하기 위한 인증 매체로 오래전부터 사용돼왔으나, 그 크기가 눈에 보일 정도로 커서 쉽게 복제할 수 있다는 단점을 가지고 있다.
반면 최근까지도 코로나 방역에 큰 역할을 했던 QR코드는 사용할 때마다 매번 다른 패턴을 형성하므로 복제가 어렵지만, 새로이 패턴이 생길 때마다 무선통신으로 등록을 해야 하므로 에너지 소모가 크고 개인의 프라이버시가 침해되는 문제점이 지적되기도 했다.
이번에 공동연구팀이 개발한 인증기술은 김상욱 교수가 세계 최초/최고기술을 인정받고 있는 분자조립 나노 패턴 기술을 이용해 서로 다른 모양을 가지는 수십억 개의 나노 패턴을 저비용으로 만들어낼 수 있으며, 높은 보안 수준을 유지하면서도 초고속 인증이 가능하다. 또한 연구팀은 나노 크기의 소형화를 통해 눈에 보이지 않는 투명소자나 초소형 장치 또는 개미 혹은 박테리아에도 부착함으로써 미생물 인식 칩으로써의 활용 가능성도 제시했다.
공동연구팀이 개발한 기술은 복제 방지를 위한 다양한 하드웨어 인증시스템에 유용할 뿐만 아니라, 기존 소프트웨어 인증과 달리 전자기 펄스(EMP) 공격과 같은 최첨단 무기 체계에도 내구성이 있어 향후 군사 및 국가 안보 등에도 활용성이 높을 것으로 전망된다. 나아가 이상적인 난수 생성 소재 (true random number generator)로서의 활용성도 기대된다.
신소재공학과 김상욱 교수, DGIST 로봇및기계전자공학과 김봉훈 교수, 성균관대 화학공학/고분자공학부 권석준 교수가 공동 교신저자 및 KAIST 신소재공학과 졸업생인 김장환 박사가 제1 저자로 참여한 이번 연구는 전자공학 분야 최고 권위 학술지인 `네이처 일렉트로닉스(Nature electronics, JCR 상위 0.18 %)'에 7월 26일 字 게재됐다. (논문명 : Nanoscale physical unclonable function labels based on block co-polymer self-assembly).
또한 공동연구팀은 기술 개발 과정에서 국내 특허, 미국 특허, 유럽 특허 및 PCT를 출원해 이번 기술의 지적 재산권을 확보했다고 밝혔다. 해당 특허는 KAIST 교원 창업 회사인 `(주)소재창조'를 통해 사업화를 진행할 계획이다.
한편 이번 연구는 한국창의연구재단의 지원을 받아 수행됐다.
2022.08.09
조회수 8014
-
소량의 데이터로 딥러닝 정확도 향상기술 발표
최근 다양한 분야에서 심층 학습(딥러닝) 기술을 활용한 서비스가 급속히 증가하고 있다. 서비스 구축을 위해서는 심층 학습 모델을 훈련해야 하며, 이를 위해서는 충분한 훈련 데이터를 준비해야 한다. 특히 훈련 데이터에 정답지를 만드는 레이블링(labeling) 과정이 필요한데 (예를 들어, 낙타 사진에 `낙타'라고 정답을 적어줌), 이 과정은 일반적으로 수작업으로 진행되므로 엄청난 노동력과 시간이 소요된다. 따라서 훈련 데이터가 충분하지 않은 상황을 효과적으로 타개하는 방법이 요구되고 있다.
우리 대학 전산학부 이재길 교수 연구팀이 적은 양의 훈련 데이터가 존재할 때도 높은 예측 정확도를 달성할 수 있는 새로운 모델 훈련 기술을 개발했다고 27일 밝혔다.
심층 학습 모델의 훈련은 주어진 훈련 데이터에서 레이블과 관련성이 높은 특성을 찾아내는 과정으로 볼 수 있다. 예를 들어, `낙타'의 주요 특성이 등에 있는 `혹'이라는 것을 알아내는 것이다. 그런데 훈련 데이터가 불충분할 경우 바람직하지 않은 특성까지도 같이 추출될 수 있는 문제가 발생한다. 예를 들어, 낙타 사진의 배경으로 종종 사막이 등장하기에 낙타에 대한 특성으로 `사막'이 추출되는 것도 가능하다. 사막은 낙타의 고유한 특성이 아닐뿐더러, 이러한 바람직하지 않은 특성으로 인해 사막이 아닌 곳(예: 동물원)에 있는 낙타는 인식하지 못할 수 있다.
이 교수팀이 개발한 기술은 심층 학습 모델의 훈련에서 바람직하지 않은 특성을 억제해 충분하지 않은 훈련 데이터를 가지고도 높은 예측 정확도를 달성할 수 있게 해준다.
우리 대학 지식서비스공학대학원에 재학 중인 박동민 박사과정 학생이 제1 저자, 송환준 박사, 김민석 박사과정 학생이 제2, 제3 저자로 각각 참여한 이번 연구는 최고권위 국제학술대회 `신경정보처리시스템학회(NeurIPS) 2021'에서 올 12월 발표될 예정이다. (논문명 : Task-Agnostic Undesirable Feature Deactivation Using Out-of-Distribution Data)
바람직하지 않은 특성을 억제하기 위해서 분포 外(out-of-distribution) 데이터를 활용한다. 예를 들어, 낙타와 호랑이 사진의 분류를 위한 훈련 데이터에 대해 여우 사진은 분포 외 데이터가 된다. 이때 이 교수팀이 착안한 점은 훈련 데이터에 존재하는 바람직하지 않은 특성은 분포 외 데이터에도 존재할 수 있다는 점이다.
즉, 위의 예에서 여우 사진의 배경으로도 사막이 나올 수 있다. 따라서 다량의 분포 외 데이터를 추가로 활용해 여기에서 추출된 특성은 영(0) 벡터가 되도록 심층 학습 모델의 훈련 과정을 규제해 바람직하지 않은 특성의 효과를 억제한다. 훈련 과정을 규제한다는 측면에서 정규화 방법론의 일종이라 볼 수 있다. 분포 외 데이터는 쓸모없는 것이라 여겨지고 있었으나, 이번 기술에 의해 훈련 데이터 부족을 해소할 수 있는 유용한 보완재로 탈바꿈될 수 있다.
연구팀은 이 정규화 방법론을 `비선호(比選好) 특성 억제'라고 이름 붙이고 이미지 데이터 분석의 세 가지 주요 문제에 적용했다. 그 결과, 기존 최신 방법론과 비교했을 때, 이미지 분류 문제에서 최대 12% 예측 정확도를 향상했고, 객체 검출 문제에서 최대 3% 예측 정확도를 향상했으며, 객체 지역화 문제에서 최대 8% 예측 정확도를 향상했다.
제1 저자인 박동민 박사과정 학생은 "이번 기술은 훈련 데이터 부족 현상을 해결할 수 있는 새로운 방법ˮ 이라면서 "분류, 회귀 분석을 비롯한 다양한 기계 학습 문제에 폭넓게 적용될 수 있어, 심층 학습의 전반적인 성능 개선에 기여할 수 있다ˮ 고 밝혔다.
연구팀을 지도한 이재길 교수도 "이 기술이 텐서플로우(TensorFlow) 혹은 파이토치(PyTorch)와 같은 기존의 심층 학습 라이브러리에 추가되면 기계 학습 및 심층 학습 학계에 큰 파급효과를 낼 수 있을 것이다ˮ고 말했다.
한편, 이 기술은 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 SW컴퓨팅산업원천기술개발사업 SW스타랩 과제로 개발한 연구성과 결과물(2020-0-00862, DB4DL: 딥러닝 지원 고사용성 및 고성능 분산 인메모리 DBMS 개발)이다. (끝).
2021.10.27
조회수 9933
-
모트 전이 반도체로 진성 난수 생성기 개발
우리 대학 신소재공학과 김경민 교수 연구팀이 모트 전이 반도체의 확률적 거동을 이용한 진성 난수(True Random Number) 생성기 개발에 성공했다고 18일 밝혔다.
전자기기들이 초연결되는 메타버스 시대에는 전자기기 간에 대량의 데이터가 실시간으로 오가게 되는데, 이때 더욱 고도화된 데이터의 보안과 암호화 기술이 뒷받침돼야 한다. 현재 대부분의 난수는 소프트웨어로 생성되고 있는데, 이렇게 생성된 일반적인 난수는 소프트웨어의 해독을 통해 쉽게 예측할 수 있고 이는 데이터 보안 및 개인 정보 침해에 매우 큰 위협이 될 수 있다.
이에 반해 진성 난수는 자연의 무작위적인 물리적 현상으로부터 얻어지는 인간이 예측할 수 없는 난수로 이를 얻는 것은 궁극의 보안 기술을 구현하기 위해 필수적이다.
김경민 교수 연구팀은 진성 난수를 추출하기 위해 모트 전이 소재에 주목했다. 모트 전이 소재는 특정 온도에서 전기전도도가 부도체에서 도체로 전이하는 소재로, 이 소재에 전류를 흘려주어 가열하면 부도체 상태와 도체 상태가 주기적으로 변하는 상태의 진동 현상을 관찰할 수 있음이 잘 알려져 있었다. 연구팀은 이 과정에서 주기적으로 소재의 가열과 냉각이 반복될 때 열의 생성과 발산이 예측 불가능함을 이론적으로 입증했다.
연구팀은 이와 같은 모트 전이 소재에서의 예측 불가능한 특성을 진성 난수로 변환해주는 프로토타입의 진성 난수 생성기를 설계 및 제작하여 진성 난수를 성공적으로 수집했다.
공동 제1 저자인 신소재공학과 김광민 석사과정과 인재현 박사과정은 "모트 전이 반도체를 기반으로 하는 진성 난수 생성기는 25 마이크로초(μs) 마다 5.22 나노줄(nJ)의 에너지로 1개의 난수를 생성할 수 있는데 이는 기존 기술에 대비 최소 2.5배 이상 빠르고, 1,800분의 1 수준의 에너지로 저전력 동작이 가능하다ˮ며 "이는 저항 변화 메모리의 셀렉터 등 제한된 분야에서만 사용되던 모트 전이 소재를 진성 난수 생성기에 적합하다는 것을 입증한 결과로 새로운 하드웨어 보안용 소재 개발 분야를 개척한 의의가 있다ˮ 라고 말했다.
이러한 진성 난수 생성기는 반도체 칩의 형태로 제작해 기존 전자기기와 호환할 수 있으며 휴대전화 등 전자기기의 보안을 위한 암호화 하드웨어로 사용할 수 있을 것으로 기대된다.
이번 연구는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)' 지난 5월 18일 字에 게재됐으며 산업통상자원부, 한국반도체연구조합, KAIST의 지원을 받아 수행됐다. (논문명 : Self-clocking fast and variation tolerant true random number generator based on a stochastic mott memristor)
2021.08.18
조회수 10780
-
서양 미술사 빅데이터 분석으로 회화 속 구도 변화 규명
우리 대학 물리학과 정하웅 교수 연구팀이 충북대학교 물리학과 한승기 교수 연구팀과 공동연구를 통해 르네상스부터 동시대 미술에 이르기까지 약 500년에 걸친 풍경화 1만 5천여 점을 정보이론과 네트워크 이론으로 분석해 서양 미술사 속 풍경화의 구도와 구성 비율의 점진적 변화를 수치적으로 규명했다.
우리 대학 물리학과 이병휘 박사과정 학생과 충북대 서민경 학생이 주도한 이번 연구는 세계적인 학술지 ‘미국 국립과학원회보(Proceedings of the National Academy of Sciences of the USA, 이하 PNAS)’에 10월 117권 43호에 출판됬다. (논문명: Dissecting Landscape Art History with Information Theory, 정보이론으로 해부한 풍경화의 역사). 해당 논문은 PNAS의 In this issue 섹션에 이번 호의 대표 논문으로 선정되었고, 코멘터리와 함께 게재됐다.
화가는 그림을 그릴 때 선, 색, 형태, 모양 등 여러 가지 시각적 구성 요소들을 다양한 ‘구성 원리’를 바탕으로 조화로운 최종 작품을 완성한다. 미술사와 미학 연구자들은 작가들이 작품을 생성할 때 잠재적으로 적용한 구성 원리가 시대와 문화를 초월하는 공통적인 특징을 가지는지, 혹은 시대나 문화적 환경에 따라 어떻게 달라지는지 이해하고자 시도해왔다. 특별히 대표적인 구성 원리중 하나인 작품구도 속 사용된 ‘비례’와 ‘비율’은 미술사가들과 미학자들의 오랜 관심사였다. 역사적으로 많은 논란을 일으킨 사례로는 황금비(Golden ratio)가 있다. 기원전 300년 전 유클리드의 원론에 의해 처음 제시된 황금비는 1500년대 초 이탈리아의 수학자 루카 파치올리의 책을 통해 ‘신성한 비율’이라는 이름으로 대중적으로 소개되며 유명해졌다. 최근까지도 황금비의 미적 선호도에 관한 논란은 계속되어 왔는데, 파르테논 신전이나 밀로의 비너스 등 여러 아름다운 미술 작품 속에 황금비가 발견되었다는 대부분의 주장들은 오늘날 근거가 부족한 것으로 밝혀지고 있다. 그렇다면 미술사 속에서 화가들이 특별히 선호한 비율은 과연 존재했을까? 혹은 시대에 따라 선호한 비율은 어떻게 변해왔을까?
연구팀은 회화 속 색상의 공간적 배치를 특징짓는 정보이론적 분할 방법론을 적용해 서양 미술사 풍경화 역사 속에서 사용된 구도와 구성 비율을 수치화하는 방법을 제시했다. (그림1 참조) *두 가지 대규모 온라인 갤러리 로부터 16세기 르네상스 시대부터 20세기 미술까지 500년 이상의 시간에 걸친 서양 미술사 속 풍경화 1만 5천여 점을 수집하여 분석한 결과, 화가들이 선호한 거시적 작품 구도와 구성 비율이 시대에 따라 일정하거나 무작위적이지 않고, 점진적이고 체계적인 변화과정을 거쳐왔음을 확인했다.
* 온라인 시각 예술 백과사전인 위키 아트(‘WikiArt’)와 헝가리 부다베스트 물리학 컴퓨터 네트워킹 연구센터에서 운영하는 온라인 갤러리인 웹 갤러리 오브 아트(‘Web Gallery of Art’)의 풍경화 데이터를 활용
연구팀은 먼저 정보이론적 분할 방법론을 이용해 풍경화 구도를 특징지었는데, 16세기부터 19세기 중반까지의 풍경화는 지배적인 수평 구조와 수직 구조가 함께 존재하는 ‘수평-수직’ 형태의 구도가 가장 빈번하게 사용되었으나, 시간이 흐를수록 전경-중경-후경과 같이 두 개의 수평 구조가 존재하는 ‘수평-수평’ 형태의 구도 사용이 점차 증가해 19세기 중반 이후부터는 ‘수평-수평’ 형태의 구도가 가장 지배적인 구도가 되었음을 확인했다. (그림 2 참조) 흥미롭게도 이러한 시간에 따른 구도 변화 패턴은 여러 국적에 걸쳐서도 유사하게 나타났다.
또한 연구팀은 색상 사용 패턴이 급격하게 달라지는 지배적인 수평선의 위치를 기반으로 시대와 작가별로 풍경 구도를 잡는데 자주 사용한 구성 비율을 측정했는데, 선호된 구성 비율은 시간에 따라 매우 점진적이고, 부드러운 변화 과정을 보였다. 작가들의 선호한 풍경화 속 지배적인 수평선은 바로크 시대 17세기 무렵 그림의 절반 아래에 해당하는 낮은 위치에서 발견되었으나, 그 후 점차 위쪽으로 움직여 19세기 이후에는 작품 위에서부터 1/3 지점에서 가장 많은 빈도로 발견됐다. 신기하게도 1/3 구성 비율을 가장 빈번하게 사용하는 특징은 다양한 현대 미술 주의(ism)에 걸쳐 유사하게 발견됐는데, 이러한 발견은 미술 양식의 폭발적인 다양성을 대표하는 현대 미술의 여러 주의들이 색채 사용과 표현 방법에선 다양성과 차별성을 추구했으나, 구도와 구성 비율의 관점에서는 유사한 사용 패턴을 보였다는 점에서 새로운 발견이다.
연구팀은 또한 네트워크 과학 방법론을 적용해 서로 유사한 구도를 적용한 작가들과 사조들로 이루어진 네트워크를 구축하여 분석했다. 이 작가-사조 네트워크는 크게 세 가지 거대 군집으로 구성돼 있었는데, 신기하게도 구도 사용의 유사성만을 바탕으로 한 작가들과 사조 속 군집은 시기적으로도 근접한 시기에 활동을 보인 작가들과 사조들로 이루어져 있었다. 이는 기존 알려진 개별 작가들의 생애와 개별 사조의 시간 범위를 초월하는 미술사 구도 양식 속 거대 군집이 있음을 시사한다.
정하웅 교수는 ‘이 같이 시대에 따른 깔끔하고 체계적인 서양 미술사 속 구도변화는 미술의 실제 역사의 모습을 반영하고 있을 수도 있지만, 동시에 높을 확률로 그동안 미술사가들과 비평가들에 의해 평가되고 정리돼 온 주류 미술사의 편향을 나타내고 있을 수 있음을 주의해야 한다’고 지적했다.
한편 이번 연구는 한국연구재단의 지원을 통해 수행됐다.
2020.11.02
조회수 30093