-
- [연구] [CSI 네트워킹 시스템 연구실] 정찬규 연구원 INFOCOM 2021 국제 학술대회 논문 게재
- CSI Lab ( Computer Systems and Intelligence Lab ) 의 네트워킹 시스템 연구실 정찬규 연구원의 "GPU-Ether: GPU-native Packet I/O for GPU Applications on Commodity Ethernet" 논문이 컴퓨터 네트워킹 분야의 top-tier 국제 학술대회인 IEEE INFOCOM 2021 에 최종 논문 게재가 승인되었고 내년 5월에 발표될 예정입니다. 본 논문은 정찬규 박사과정( 전자전기컴퓨터공학과 )과 김수환 학사과정 ( 수학과 ) 이 1, 2 저자로 참여하고, CSI Lab의 염익준교수, 우홍욱 교수가 3,4 저자로 참여하고, 김영훈 교수가 교신저자로 참여하였습니다. 본 연구에서는 상용 이더넷 환경에서도 GPU를 위한 고성능 네트워킹이 가능하도록 하는 GPU-Ether를 제안합니다. 현재 데이터 센터 일부 및 HPC ( High Performance Computing ) 환경에서는 RDMA 나 NetFPGA, SmartNIC 등의 비싼 전용 네트워크 장비를 활용한 GPU-Direct Networking 이 지원되나, 아직까지 대부분의 데이터 센터 및 클라우드 환경에서 사용되는 일반적인 상용 이더넷 장비에서는 이러한 최적화가 진행되지 않은 점에 착안 본 연구를 진행하였습니다. 본 연구진은 인텔 사의 Intel 10GbE X520-DA2 NIC 과 Nvidia 사의 Quadro P4000 GPU를 활용해 GPU-native Packet I/O 프로토타입을 구현했고, 다양한 네트워크 어플리케이션들 (소프트웨어 라우터, IPSec Gateway, NIDS)을 추가로 구현하여 성능을 검증하였습니다. IEEE INFOCOM 2021: https://infocom2021.ieee-infocom.org/ CSI Lab: http://csi.skku.edu 김영훈 교수님 교수실: 23111 CSI Lab. 네트워킹 시스템 연구실 | http://csi.skku.edu
-
- 작성일 2020-12-18
- 조회수 1534
-
- [연구] 김형식교수, 2021 ICSE 논문 게재 승인
- 보안공학 김형식 교수의 “Fine with ``1234''? An Analysis of SMS One-Time Password Randomness in Android Apps” 논문이 소프트웨어 공학 분야의 top-tier 국제 학술대회인 ICSE (The 43rd International Conference on Software Engineering), 2021에 최종 논문 게재가 승인되었고 내년 5월에 발표될 예정입니다. 본 연구는 안드로이드 앱에서 사용하는 OTP 생성 번호에서 안전 하지 않은 난수 생성 함수를 탐지하는 연구로서 실험을 진행한 OTP를 현재 사용하고 있는 6431개의 안드로이드 앱를 제안 도구(OTP-Lint)를 이용하여 분석한 결과, 399개의 앱에서 취약한 난수 생성 함수를 이용하여 OTP를 사용하고 있다는 사실을 밝혀냈습니다. 본 연구는 김형식 교수가 호주의 CSIRO Data61에서 방문 연구원으로 재직하는 동안 수행한 연구 결과입니다. [Abstract] A fundamental premise of SMS One-Time Password (OTP) is that the used pseudo-random numbers (PRNs) are uniquely unpredictable for each login session. Hence, the process of generating PRNs is the most critical step in the OTP authentication. An improper implementation of the pseudo-random number generator (PRNG) will result in predictable or even static OTP values, making them vulnerable to potential attacks. In this paper, we present a vulnerability study against PRNGs implemented for Android apps. A key challenge is that PRNGs are typically implemented on the server-side, and thus the source code is not accessible. To resolve this issue, we build an analysis tool, OTP-Lint, to assess implementations of the PRNGs in an automated manner without the source code requirement. Through reverse engineering, OTP-Lint identifies the apps using SMS OTP and triggers each app's login functionality to retrieve OTP values. It further assesses the randomness of the OTP values to identify vulnerable PRNGs. By analyzing 6,431 commercially used Android apps downloaded from Google Play and Tencent Myapp, OTP-Lint identified 399 vulnerable apps that generate predictable OTP values. Even worse, 194 vulnerable apps use the OTP authentication alone without any additional security mechanisms, leading to insecure authentication against guessing attacks and replay attacks.
-
- 작성일 2020-12-16
- 조회수 1197
-
- [연구] [실시간 컴퓨팅 연구실] IEEE RTSS 2020 국제 저명 학술대회 논문 발표
- 실시간 컴퓨팅 연구실(지도교수:이진규)에서는 실시간 시스템 분야에서 가장 저명한 국제 학술대회인 IEEE RTSS (Real-Time Systems Symposium) 2020에 아래의 논문을 발표하였습니다. [논문] "Non-Preemptive Real-Time Multiprocessor Scheduling Beyond Work-Conserving" 본 논문에서는 비선점형(Non-preemptive) 실시간 작업들의 실시간성 보장을 위해 체계적으로 프로세서를 휴식하는 counter-intuitive한 새로운 체제를 제시하여, 기존 기법으로는 불가능하였던 수많은 비선점형 실시간 작업들의 실시간성 보장을 가능하게 하였습니다. 본 논문은 실시간 컴퓨팅 연구실의 백형부 박사후 연구원(현 인천대학교 교수)과 석사과정 곽재헌 학생(현 KAIST 박사과정)이 1, 2저자로 참여하고, 이진규 교수가 교신저자로 참여하였습니다. 논문 다운로드: https://rtclskku.github.io/website/papers/IC202012BKL.pdf IEEE RTSS: http://2020.rtss.org 실시간 컴퓨팅 연구실: https://rtclskku.github.io/website/
-
- 작성일 2020-12-10
- 조회수 1162
-
- [연구] [자연어처리연구실] 김보성 연구원 AAAI 2021 국제 학술대회 논문 게재
- [자연어처리연구실] 김보성 연구원 AAAI 2021 국제 학술대회 논문 게재 지도교수: 고영중 교수 자연어처리 연구실 김보성 연구원의 “Commonsense Knowledge Augmentation for Low-Resource Languages via Adversarial Learning” 논문이 인공지능 분야의 top-tier 국제 학술대회인 AAAI Conference on Artificial Intelligence, 2021에 최종 논문 게재가 승인되었고 내년 2월에 발표될 예정입니다. 본 연구에서는 저자원(low-resource) 언어의 지식 데이터를 확장하는 적대적 학습(adversarial learning) 방법을 제안합니다. 기존 데이터 확장에서 사용되는 번역 방법은 모호성 문제가 발생하며 모델 학습 시 태깅 데이터가 필요하다는 한계점이 있습니다. 본 논문에서는 적대적 학습을 통해 모델이 언어 독립적인 특성을 학습하게 하고, 풍부한 영어 데이터로부터 저자원 언어의 지식을 자동으로 확장할 수 있는 방법을 제시합니다. 제안된 모델은 한국어 지식 데이터에서 93.7%의 정확도를 달성하였으며, 626,681개의 한국어 지식을 생성하였습니다. 또한 16개의 언어를 이용한 테스트에서 모두 효과적인 성능 향상을 이뤘습니다. [논문] “Commonsense Knowledge Augmentation for Low-Resource Languages via Adversarial Learning”, The 35th AAAI Conference on Artificial Intelligence, 2021. Abstract: Commonsense reasoning is one of the ultimate goals of artificial intelligence research because it simulates the human thinking process. However, most commonsense reasoning studies have focused on English because available commonsense knowledge for low-resource languages is scarce due to high construction costs. Translation is one of the typical methods for augmenting data for low-resource languages; however, translation entails ambiguity problems, where one word can be translated into multiple words due to polysemes and homonyms. Previous studies have suggested methods to measure the validity of translated multiple triples by using additional metadata and manually labeled data. However, such hand-crafted datasets are not available for many low-resource languages. In this paper, we propose a knowledge augmentation method using adversarial networks that does not require any labeled data. Our adversarial networks can transfer knowledge learned from a resource-rich language to low-resource languages and thus measure the validity score of translated triples even without labeled data. We designed experiments to demonstrate that high-scoring triples obtained by the proposed model can be considered augmented knowledge. The experimental results show that our proposed method for a low-resource language, Korean, achieved 93.7% precision@1 on a manually labeled benchmark. Furthermore, to verify our model for other low-resource languages, we introduced new test sets for knowledge validation in 16 different languages. Our adversarial model obtains strong results for all language test sets. We will release the augmented Korean knowledge and test sets for 16 languages. 고영중 교수: yjko@skku.edu, 자연어처리연구실: nlp.skku.edu; nlplab.skku.edu
-
- 작성일 2020-12-07
- 조회수 1246
-
- [연구] [자연어처리연구실], 2020 국어 정보 처리 시스템 경진 대회 동상 수상
- [자연어처리연구실], 2020 국어 정보 처리 시스템 경진 대회 동상 수상 지도 교수 : 고영중 교수 고영중 교수가 지도하는 자연어처리 연구실 학생들이 제안한 “사후 학습과 지식 베이스 감성 임베딩을 이용한 BERT 기반 감성 분석 시스템”이 문화체육관광부와 국립국어원이 주최한 2020 국어 정보 처리 시스템 경진 대회에서 동상을 수상했다. 이번 대회에 참여한 자연어처리팀은 학부생들을 중심으로 팀을 구성하였으며, 팀원으로 조준희, 김두영, 최규리, 배지현, 김세령(이상 학부연구생 5명) 학생, 팀장으로 손동철(석사 과정) 학생이 참여하였다. 자연어처리 팀은 사후 학습 방법과 지식 베이스 감성 임베딩을 활용하여 오탈자와 신조어, 그리고 속어 등의 비문이 포함된 사용자 텍스트에 대한 효과적인 감성 분석 시스템을 제안하였다. 국어 정보 처리 시스템 경진 대회는 국립국어원에서 구축한 국어 말뭉치 자원의 활용도를 높이고, 국어 정보화 확대를 유도하는 등 국어 정보 처리 시스템 개발 및 보급 수준을 높이는 중추적 역할을 수행하고 있다. 올해 2020년도 국어 정보 처리 시스템 경진 대회는 고도화된 인공지능 서비스 개발에 필수적인 ‘감성 말뭉치’ 연구를 위해, 감성 말뭉치 분석 시스템 개발을 주제로 개최되었다. 고영중 교수: yjko@skku.edu, 자연어처리연구실: nlp.skku.edu; nlplab.skku.edu
-
- 작성일 2020-12-07
- 조회수 1301
-
- [학생실적] [산학협력프로젝트 커브서프팀] 제 7회 ICT 스마트디바이스 전국 공모전 우수상 수상
- [산학협력프로젝트 커브서프팀] 제 7회 ICT 스마트디바이스 전국 공모전 우수상 수상 박희선 교수가 지도하는 커브서프 산학협력과제가 과학기술정보통신부가 주최한 제 7회 ICT 스마트디바이스 전국 공모전에서 우수상을 수상했다. Mobile AR 기술을 활용하여 휴대폰으로 나무의 흉고직경, 높이 등 산림자원의 기초 데이터를 쉽게 측정하고 관리하는 SW를 개발했다. - 출품작 : TreeARium (모바일 증강현실 기술을 이용한 차세대 산림자원 측정 SW 개발) - 참가자 : 채서영, 박성빈, 양세중, 이정혁, 최재경, 황준용 (소프트웨어학과 2학년) - 수상 내역 : 우수상 (일반 부문) - 시상금 : 150만원
-
- 작성일 2020-12-02
- 조회수 969
-
- [연구] 김유성 교수 연구실/ 스펙트럼 챌린지 대회 1등 수상
- 김유성 교수 연구실, 스펙트럼 챌린지 대회 1등 수상 한국전자통신연구원(ETRI)에서 국내 대학과 중소기업 연구소 연구팀을 대상으로 우수 전파이용 기술을 선발하기 위한 '2단계 스펙트럽 챌린지 대회'에서 김유성교수 연구실 CSI Lab (Computer Systems and Intelligence Lab)팀 ( 박사과정 정신기, 채근홍학생)이 1위를 수상하였습니다. 올해 대회는 차세대 와이파이/ NR-U (New Radio Unlicensed)와 마이크로웨이브 간 전파 간섭 해결을 주제로 열렸습니다. 기존 5GHz 대역에 이어 6GHz대역이 신규 비면허 용도로 확대/공급되며 차세대 와이파이와 5G NR-U기술, 방송전송/통신용 마이크로웨이브 등이 주파수를 선택적,효율적으로 공동 사용하는 기술에 대해 산업계 관심이 높으며 ETRI는 대회 우수팀이 핵심기술을 국내 연구기관과 공동연구로 개발하도록 지원하는 목표입니다. 수상팀은 연구비 1억원이 지원되며, 내년 3단계 스펙트럼 챌린지 본선대회 출전권이 부여됩니다. https://www.etnews.com/20201111000067
-
- 작성일 2020-11-12
- 조회수 1344
-
- [연구] [자연어처리연구실] 김보성 연구원 COLING 2020 국제 학술대회 논문 게재
- [자연어처리연구실] 김보성 연구원 COLING 2020 국제 학술대회 논문 게재 지도교수: 고영중 교수 자연어처리 연구실 김보성 연구원의 “Multi-Task Learning for Knowledge Graph Completion with Pre-trained Language Models” 논문이 자연어처리 분야의 top-tier 국제 학술대회인 COLING (International Conference on Computational Linguistics) 2020에 최종 논문 게재가 승인되었고 12월에 발표될 예정입니다. 본 연구에서는 지식 그래프(Knowledge Graph)의 타당성을 검증하는 Knowledge Graph Completion 문제를 해결하는 Pre-trained Language Model 기반의 Multi-Task learning 방법을 제안합니다. 기존 Pre-trained Language Model을 이용하는 방법은 그래프의 관계성 정보(relational information)를 학습하지 못하고, 유사한 지식 간의 구분이 어려운 문제가 있습니다. 본 연구에서는 이를 해결하기 위해 그래프 관계 예측(relation prediction) 학습과 관련성 랭킹(relevance ranking) 학습을 이용한 Multi-Task learning 방법을 제시하였습니다. 제안된 모델은 두 가지 데이터셋에서 효과적인 성능 향상을 이뤘으며, WN18RR 데이터 셋에서 state-of-the-art 성능을 달성하였습니다. [논문] “Multi-Task Learning for Knowledge Graph Completion with Pre-trained Language Models”, The 28th International Conference on Computational Linguistics, 2020. Abstract: As research on utilizing human knowledge in natural language processing has attracted considerable attention in recent years, knowledge graph (KG) completion has come into the spotlight. Recently, a new knowledge graph completion method using a pre-trained language model, such as KG-BERT, is presented and showed high performance. However, its scores in ranking metrics such as Hits@k are still behind state-of-the-art models. We claim that there are two main reasons: 1) failure in sufficiently learning relational information in knowledge graphs, and 2) difficulty in picking out the correct answer from lexically similar candidates. In this paper, we propose an effective multi-task learning method to overcome the limitations of previous works. By combining relation prediction and relevance ranking tasks with our target link prediction, the proposed model can learn more relational properties in KGs and properly perform even when lexical similarity occurs. Experimental results show that we not only largely improve the ranking performances compared to KG-BERT but also achieve the state-of-the-art performances in Mean Rank and Hits@10 on the WN18RR dataset. 고영중 교수: yjko@skku.edu, 자연어처리연구실: nlp.skku.edu; nlplab.skku.edu
-
- 작성일 2020-10-13
- 조회수 1344
-
- [연구] [보안공학연구실] 사이버 안보 논문 공모전 대상 수상
- [보안공학연구실] 사이버 안보 논문 공모전 대상 수상 보안공학연구실(지도교수: 김형식)의 문태근 석사과정이 작성한 논문이 사이버안보 논문 공모전에서 대상(500만원)을 수상했다. 본 논문에서는 웹 페이지가 압축되는 특성을 이용한 부채널 공격을 방지하는 기술을 개발하여 성능을 분석하여, 기존의 솔루션보다 성능이 향상됨을 증명하여 심사위원들에게 좋은 평가를 받아 대상으로 선정되었다. 사이버안보 논문 공모전은 한국정보보호학회와 정보세계정치학회가 주관하고 국가정보원과 국가보안기술연구소가 후원하는 대회로 이번 공모전은 전국의 대학생, 대학원생 및 박사후과정을 대상으로 기술분야(사이버보안기술 전 분야)와 정책분야(사이버안보 관련정책)로 나누어 진행됐다. 수상을 축하드립니다!
-
- 작성일 2020-10-05
- 조회수 1319