컴퓨터융합학부

황태욱, 노유정 학생의 우수논문상 수상을 축하 드립니다.

황태욱

-지능소프트웨어 연구실 (정상근 교수님)

-논문 제목: Few-shot learning에서 Arc Memory를 활용한 Forward-Forward 알고리즘

-초록:

Forward-Forward 알고리즘은 역전파를 대체할 새로운 방법론으로 인간의 뇌의 동작 방식과 유사하게 각각의 레이어마다 독립적이고 지역적으로 학습한다. 그러나 이러한 학습 방법은 레이어 간 유의미한 정보전달이 가능한지에 대한 의문점이 존재한다. 본 연구에서는 인간의 기억능력을 모방하여 각각의 레이어에 독립된 메모리 공간을 할당하고 이를 레이어 간 정보전달에 활용할 수 있는 방법을 제안한다. 각 레이어의 라벨별 출력값을 평균내어 메모리에 저장하고, 일정 에폭이 수행된 후에 저장된 메모리 값과 현재 레이어 출력값을 Angular margin loss로 계산하여 각각의 라벨마다 고유한 각도에 분포되게 한다. 이와 동시에 이전 레이어의 메모리 값과 현재 레이어의 출력값을 Angular margin loss로 계산하여 이전의 레이어와 유사한 방향의 출력값을 갖도록 학습하였다. 적은 수의 MNIST 데이터를 사용하는 Few-shot learning에서 Forward-Forward 알고리즘의 부족했던 정보 전달 능력을 제안한 메모리 기능을 통해 보완하면서 Single layer perceptron 모델과 Multi layer perceptron 모델보다 높은 성능을 보이는 것을 확인하였다.

노유정

-프로그래밍 언어 및 시스템 연구실 (조은선 교수님)

-논문 제목: 난독화 기법의 조합을 파악하는 명령 코드 빈도 기반 신경망

-초록:

분석가들이 악성코드의 구조를 파악하기 위해 난독화를 해제하는 프로세스는 다양한 휴리스틱이 필요하기에 분석가의 역량에 의존적이다. 이에 따라 프로그램에 적용된 난독화를 탐지하는 자동화된 분석을 위해 이를 해결하는 방식들이 제안되고 있다. 그러나, 기존 연구들은 분류 방식으로 난독화에 대한 추론을 수행하는데, 난독화로 인한 순차적인 코드 변형의 이해와 여러 범주의 난독화가 독립적으로 프로그램에 적용될 수 있다는 점을 고려하지 않는다. 본 논문에서는 난독화 유형 탐지를 위한 다중 레이블 분류 모델 및 다중으로 난독화가 적용된 경우 마지막 난독화 유형을 추론하는 모델을 제안한다. O-LLVM난독화를 대상으로 명령 코드 빈도를 사용하여 딥러닝기반의 난독화 유형 탐지 모델을 구현하였으며, 제안모델은 높은 성능으로 난독화 탐지를 수행했다.