황성재 교수 연구실(소프트웨어 보안 연구실, SoftSec@SKKU) ESEC/FSE 2023 논문 게제 승인

황성재 교수 연구실(소프트웨어 보안 연구실, SoftSec@SKKU) ESEC/FSE 2023 논문 게제 승인 소프트웨어 보안 연구실 (지도교수: 황성재)에서 작성한 논문이 소프트웨어 공학 분야의 최상위 국제 학술대회인 FSE 2023 (30th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering)에 게재 승인되었습니다. 본 논문 “EtherDiffer: Differential Testing on RPC Services of Ethereum Nodes” 은 2023년 12월 미국 샌프란시스코에서 발표될 예정입니다. [논문 정보] - EtherDiffer: Differential Testing on RPC Services of Ethereum Nodes - Shinhae Kim, and Sungjae Hwang - 30th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering (ESEC/FSE 2023) [논문 요약] 블록체인 노드와 DApps과의 통신을 위한 하나의 RPC 스펙이 존재합니다. 스펙은 하나지만, 블록체인 노드의 구현체는 다양합니다. Go 언어로 작성된 Geth 노드, C++로 작성된 Erigon 노드, C#으로 작성된 Nethermind 노드, Java로 작성된 Besu 노드가 존재합니다. 본 연구는 이렇게 다양한 언어로 개발된 노드들이 하나의 스펙을 잘 따르고 있을까? 혹시 동일한 RPC 명령에 대해 다르게 동작하지 않을까? 노드가 다르게 동작한다면 어떤 문제가 발생할까? 이런 궁금증을 답하기 위해 이더리움 노드의 구현체를 검증하는 차분 테스팅(Differential Testing) 기술을 개발하였습니다. 본 검증 기술을 통해, 48가지의 노드 구현체의 차이점 및 11개의 버그를 자동으로 찾는 결과를 만들어 냈습니다.

이성길 교수 컴퓨터그래픽스연구실(CGLab), ACM SIGGRAPH 2023 논문 게재 승인

컴퓨터그래픽스연구실(CGLab; 지도교수 이성길) 김장훈 석사과정(소프트웨어학과)의 논문 "Potentially Visible Hidden-Volume Rendering for Multi-View Warping"이 ACM SIGGRAPH 2023에 게재 승인(Accept)되었고, 2023년 8월 미국 LA에서 발표될 예정입니다. ACM SIGGRAPH은 컴퓨터그래픽스 분야 최우수 학회이며, 본 논문은 Journal Track과 Conference Track 중 Journal Track에 게재 승인되었고, ACM Trasactions on Graphics, Volume 42, No. 4의 special issue에 7월 출간될 예정입니다. 본 논문은 Real-Time GPU Rendering에서 유효한 가시도(visibility) 검출에 관한 내용으로, 동일한 픽셀 위치에서 시점이 달라질 때의 새로운 view를 생성하기 위해 필요한 정보만을 효과적으로 modeling하고 추출하는 기하적인 GPU 알고리즘을 제안합니다. 이러한 가시도 model인 PVHV(Potentially Visible Hidden Volume)에 기반하여 새로운 다수 시점의 이미지를 효율적으로 합성할 수 있음을 보이는 내용입니다. 이러한 시점 합성(Novel View Synthesis)은 최근 Compute Vision에서도 Neural Radiance Fields (NeRFs)를 필두로 활발히 연구가 되고 있는 연구 주제입니다. Abstract -------- This paper presents the model and rendering algorithm of Potentially Visible Hidden Volumes (PVHVs) for multi-view image warping. PVHVs are 3D volumes that are occluded at a known source view, but potentially visible at novel views. Given a bound of novel views, we define PVHVs using the edges of foreground fragments from the known view and the bound of novel views. PVHVs can be used to batch-test the visibilities of source fragments without iterating individual novel views in multi-fragment rendering, and thereby, cull redundant fragments prior to warping. We realize the model of PVHVs in Depth Peeling (DP). Our Effective Depth Peeling (EDP) can reduce the number of completely hidden fragments, capture important fragments early, and reduce warping cost. We demonstrate the benefit of our PVHVs and EDP in terms of memory, quality, and performance in multi-view warping.

[인터뷰] 단과대학을 찾아서 - 소프트웨어융합대학 이은석 학장 (전자 81)

4차 산업혁명 주역 ‘SW·AI 인력’ 산실 기획 탐방<단과대학을 찾아서> 열번째 순서로 모교 자연과학캠퍼스와 인문사회과학 캠퍼스를 아우르는 소프트웨어융합대학을 찾았다. 소프트웨어융합대학은 2021년 기존 소프트웨어대학과 글로벌융합학부가 합쳐지면서 소프트웨어융합대학으로 새롭게 만들어진 신설 대학으로, 학부와 대학원 뿐 아니라, 고용계약학과인 지능형 SW 학과를 비롯하여 다양한 SW와 AI에 기반한 최첨단 학문을 연구하는 단과대학이다. 소프트웨어융합대학은 현재까지 학사 819명, 일반대학원 석·박사 728명으로 총 1,547명의 동문을 배출 하였으며, 4차산업혁명의 가장 핵심적인 학문을 연구하고 인재를 육성하는 대학답게 AI대학원을 비롯하여 AI융합학과, AI시스템공학과 등을 통합한 ‘글로벌 AI 클러스터’를 운영하고 있다. 이은석 소프트웨어융합대학장은 “글로벌 역량을 갖춘 SW-AI 전문인력양성이 우리대학의 가장 큰 목표”라면서, “최고의 환경에서 고품격의 교육과 최신의 연구를 할 수 있도록 하여, 공동체를 감화시킬 수 있는 가슴 따뜻한 엔지니어를 만들어 나갈 것”이라고 포부를 밝혔다. Q 소프트웨어융합대학에 대한 소개를 부탁드립니다. A 소프트웨어융합대학(이하, 소융대)은 교내 16개 단과대학 중 가장 새로이 만들어진 젊은 조직입니다. 현재 45명의 전임교수와 69명의 비전임교수로 교수진이 구성되어 있으며, 학문적 선진성에도 불구하고 어쩌면 우리 대학의 건학이념인 수기치인(修己治人)을 가장 잘 실천하고 있는 학역(學域) 중 하나로 소개할 수 있을 것 같습니다. 소속 구성원들은 각자 자신을 열심히 연마하며 인류를 위한 미래를 위해 공동체에 헌신하는 노력을 경주하고 있습니다. 학생들은 학교에서 요구하는 공통된 졸업요건에 더해서 한층 엄격한 졸업요건(인턴십, 산학협력프로젝트, 1만라인프로젝트, 졸업작품 등)을 모두 충족해야 합니다. 이를 통해 현업에서 필요로 하는 소프트웨어 엔지니어로서의 기본 소양과 경쟁력을 갖추는 노력을 하고 있으며 이 과정에서 체득한 경험과 지식을 가깝게는 주위 동료나 후배를 위해(peer mentoring), 멀리는 전국의 초중고 학생들과 타 대학, 실버 세대를 위한 SW멘토링을 의무화하고 있습니다(성균SW멘토링). 또한 우리보다 어려운 환경에 있는 국가들에 대한 ICT해외봉사단을 운영하여 우리가 누리는 삶의 혜택을 국경을 초월하여 두루 공유할 수 있도록 노력하고 있습니다. 좋은 기업이나 대학에 취업하는 것이 목표가 아닌 인류나 미래를 얘기하는 것이 부끄럽지 않은 참된 인재를 양성하고자 하는 것이 우리 소융대에 공유되고 있는 교육 이념이고 인재상입니다. Q 소프트웨어융합대학의 역사가 궁금합니다. A 글로벌 역량을 갖춘 SW-AI 전문인력 양성이라는 비전을 가지고 설립된 우리대학은 1982년 정보공학과에서 시작하여, 2015년 소프트웨어대학, 2021년 교내 소프트웨어, 컴퓨터공학 부서와 AI 및 데이터사이언스 관련 교수 및 조직을 통합하여 소프트웨어융합대학으로 확대 개편 되었습니다. 구체적으로는 소프트웨어학과와 글로벌융합학부로 구성되는 학부 조직과 14개의 대학원 프로그램속에 2600여명의 학부생, 800여명의 대학원생, 120여명의 교수진으로 구성된 규모 있는 조직으로 다양한 융합과 통섭의 기회를 학생들을 위해 제공하고 있습니다. 2024학년도부터는 삼성전자와 공동으로 운영하는 고용계약형학과인 지능형SW학과가 학석과정과 석사과정 모두 시작됩니다. 참고로 삼성전자가 지원하는 산학협력 인재양성과정(고용계약형 포함)은 전국적으로 10개가 있으며, 여기에는 반도체, 통신이 주류를 이루고 있고, SW-AI관련 프로그램은 우리 대학만이 보유하고 있습니다. Q 우리대학 소프트웨어융합대학만의 강점과 특징이 있다면 A 대학을 운영하는 주요 재원은 등록금일 수 있지만, 특히 최신 장비와 환경을 갖추는 것이 절대적으로 필요한학문 특성 때문에 학역내 등록금 의존도를 낮추고 스스로의 재원으로 자생할 수 있는 능력이 필요합니다. 그런면에서 우리 소융대는 자발적인 인력 양성용 재원을 확보하는 노력과 역량을 보유하고 있습니다. 현재 진행중인 것으로, 인공지능대학원사업, 소프트웨어중심대학사업, 명품인재양성사업 등을 통해 총액 기준 620억원을 확보하고 있으며 여기에 지능형SW학과를 추가하면 최대 1,000억에 달하게 됩니다. 이를 통해 학부와 대학원의 교육, 연구환경을 첨단화하고 있습니다. 그리고 앞선 수기치인의 흐름속에서 현재의 디지털대전환의 시대에 대학 전체의 학생들의 전공 능력은 물론 SW기반의 융합 능력을 향상시키기 위해 전교생 대상 SW-AI교육의 첨병의 역할을 하고 있습니다. 더욱이 비전공 교수님들을 대상으로 한 AI교육은 이미 그 숫자가 200명을 넘기고 있고 공동의 프로젝트 발굴 등을 통해 실질적인 대학 구성원간의 융합과 통섭이 가능해 졌습니다. 정리하면, 대내적으로는 융합의 핵심으로서, 대외적으로는 경쟁력있는 교육과 연구의 주체로서 강점을 인정받고 있습니다. Q 소프트웨어융합대학이 주안점을 두고 있는 연구분야 또는 연구주제는 또는 프로젝트는 A 다양한 분야가 고루 균형적으로 발전해야 사회적으로 또 기술면에서의 급격한 변화에도 효과적으로 대처하며 대학 본연의 역할을 다 할 수 있다고 생각합니다. 다만 요즘처럼 긴급하게 요구되는 특정 수요에 대응하고 필요한 인력과 연구 성과를 적시에 제공하기 위해서 현재는 AI쪽으로 교육과 연구 인력을 모으고 있습니다. AI관련 교육체계로서는 AI대학원과 AI융합전공, AI융합학과, AI시스템공학과, 지능형SW학과, 스마트팩토리학과 등을 운영하고 있습니다. 이는 AI관련 연구 수행의 중요한 인프라가 되기도 합니다. AI연구 활성화를 위해 글로벌AI 기관 26개를 묶어 ‘글로벌AI클러스터’를 운영하고 있습니다. 이로서 내실있는 AI교육과 연구의 기틀을 마련했다고 생각하고 있습니다. 여기에 추가해서 우리 대학은 시스템SW, SW보안, 소프트웨어공학 등에서 경쟁력을 두루 갖추고 있습니다. Q 소프트웨어융합대학이 지향하는 발전목표가 있다면 A 글로벌 역량을 갖춘 SW-AI 전문인력 양성이라는 큰 목표아래 늘 공동체에 기여하고, 공동체를 감화시킬 수 있는 가슴 따뜻한 엔지니어를 만들어 나가고자 합니다. 대학원은 첨단의 연구 경쟁력을 갖게하여 양질의 논문을 생산할 수 있게 하고, 학부의 경우 산업계와의 연계를 중시하며 현업의 요구사항과 기술적 추이를 반영하며 현장에서 필요로 하는 업무 능력을 습득할 수 있게 할 것입니다. 이를 위해 산업체 전문가들로 구성된 교육과정혁신위원회를 운영하며 현장의 의견을 반영하는 노력을 하고 있습니다. Q 25만 성대 동문들에게 전하고 싶은 말? A 명문대학이 되기위해서는 대학, 재단, 그리고 총동창회가 삼위일체로 최선의 노력을 다하는 것이 필요합니다. 그중 총동창회는 대학 구성원들에게 든든한 뒷배와 같은 역할을 해왔습니다. 지금까지 처럼 모교와 후배들을 위한 많은 관심과 기부를 통해 실질적인 지원을 받는 것도 있으나, 이제 그런 단방향 소통 지원 체계보다 대학이 그동문 조직에 대해 어떤 기여를 할 수 있는지 고민할 시점이 아닌가 합니다. 특히 우리 대학은 모든 산업의 기반이 되는 SW-AI기술을 다루는 만큼 동문 기업들에 대해 기술적 뒷배로서 역할을 할 수 있다고 생각합니다. 동문들께서는 도움이 필요하면 언제든 연락을 주시길 바라며, 상호 호혜적인 건설적 관계를 구축해 나갔으면 합니다. https://alumni.skku.edu/alumni/circular/interview.do?mode=view&articleNo=39609

박호건 교수 LearnData 연구실, 지식 추론 연구 SIGKDD 2023 논문 게재 승인 (석사과정: 김수경, 김가영)

박호건 교수 연구실 지식 추론 연구 SIGKDD 2023 논문 게재 승인 (석사과정: 김수경, 김가영) LearnData Lab(기계학습/데이터마이닝) 연구실(지도교수: 박호건, https://learndatalab.github.io)의 김수경(공동 1저자), 김가영(공동 1저자), 정희수 학생(석사과정)과 박호건 교수(교신저자)가 제출한 “Exploiting Relation-aware Attribute Representation Learning in Knowledge Graph Embedding for Numerical Reasoning” 논문이 인공지능 분야 최우수 학회 ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD) 2023 (https://kdd.org/kdd2023/) (BK IF=4)의Research Track에서 Full Paper로 게재 승인되었고, 2023년 8월 미국 캘리포니아에서 발표될 예정입니다. 본 논문은 지식 정보를 활용한 수치 추론에 대한 주제로 작성되었습니다. 수치 추론 작업은 지식 그래프에 있는 기존의 관계 정보와 수치 속성(예: 높이)을 활용하여, 잘 알려져 있지 않은 두 가지 엔티티(Mountain A와 Mountain B)를 비교하고 다양한 속성에 대한 새로운 사실(예: A가 더 높음)을 알아 내는 것(추론)하는 것을 목표로 합니다. 그러나 기존의 대부분의 방법은 새로운 속성 인코더를 도입하거나 추가적인 손실을 감수하고 수치 값을 예측해야 하는 한계가 있으며, 수치 속성이 드물게 존재하는 경우 성능이 크게 떨어집니다. 본 논문에서는 지식 그래프에 대한 수치 추론을 강화하는 새로운 그래프 임베딩 방법인 RAKGE를 제안합니다. 제안된 방법에는 관계와 해당 수치 속성 간의 연관성을 활용할 수 있는 새로운 형태의 Representation Learning이 포함됩니다. 또한, 강력한 자기 지도 학습 방법을 도입하여 보이지 않는 긍정 및 부정 예시를 생성함으로써 숫자 속성이 희박한 경우 제안 방법의 예측을 더욱 신뢰할 수 있도록 합니다. Spotify, 개인 신용 정보, 도시 정보 데이터셋 등 세 가지 대규모 데이터 세트에 대해 평가한 결과, 우리가 제안한 모델은 최고 경쟁사 대비 최대 65.1%의 히트율(Hits@1)과 최대 52.6%의 MRR을 달성하며 다른 최신 경쟁 알고리즘보다 뛰어난 성능을 보였습니다. [논문 정보] Exploiting Relation-aware Attribute Representation Learning in Knowledge Graph Embedding for Numerical Reasoning Sookyung Kim+, Gayoung Kim+, Ko Keun Kim, Suchan Park, Heesoo Jung, Hogun Park* ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD) 2023. Full Paper (Research Track). [+ Means Equal Contribution.] [Abstract] Numerical reasoning is one of the essential tasks to support machine learning applications such as recommendation and information retrieval. The reasoning task aims to compare two items and infer the new facts (e.g., is taller than) by leveraging existing relational information and numerical attributes (e.g., the height of an entity) in knowledge graphs. However, most existing methods are limited to introducing new attribute encoders or additional losses to predict the numeric values and are not robust when numerical attributes are sparsely available. In this paper, we propose a novel graph embedding method named RAKGE, which enhances numerical reasoning on knowledge graphs. The proposed method includes relation-aware attribute representation learning, which can leverage the association between relations and their corresponding numerical attributes. Additionally, we introduce a robust self-supervised learning method to generate unseen positive and negative examples, thereby making our approach more reliable when numerical attributes are sparse. Evaluated on three real-world datasets, our proposed model outperforms state-of-the-art methods, achieving an improvement of up to 65.1% in Hits@1 and up to 52.6% in MRR compared to the best competitor.