맞춤기술찾기
이전대상기술
순환 신경망 기반 네트워크 패킷의 위험요소 분석 방법, 이를 수행하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치(METHOD FOR ANALYZING RISK ELEMENT OF NETWORK PACKET BASED ON RECRUUENT NEURAL NETWORK AND APPARATUS ANALYZING THE SAME)
- 기술번호 : KST2018004900
- 담당센터 : 서울동부기술혁신센터
- 전화번호 : 02-2155-3662
| 요약 | 본 발명은 순환 신경망 기반 네트워크 패킷의 위험요소 분석 기술에 관한 것으로, 송신단으로부터 세션에 있는 연속적인 제1 및 제2 패킷들을 입력받는 패킷 입력부, 상기 제1 패킷에 순환 신경망 모델을 적용하여 다음 패킷의 데이터 특성을 예측하고 상기 다음 패킷의 데이터 특성과 상기 제2 패킷의 데이터 특성 간의 유사도를 기초로 위험요소를 결정하는 제1 위험요소 결정부, 상기 유사도가 특정 기준 이하이면 상기 제2 패킷에 관한 위험성 분석을 수행하여 상기 위험요소를 재결정하는 제2 위험요소 결정부 및 상기 재결정이 진행되면 상기 제2 패킷에 관해 순환 신경망 학습을 수행하여 상기 순환 신경망 모델을 갱신하는 순환 신경망 학습부를 포함한다. |
|---|---|
| Int. CL | H04L 29/06 (2006.01.01) G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01) |
| CPC | H04L 63/1408(2013.01) H04L 63/1408(2013.01) H04L 63/1408(2013.01) |
| 출원번호/일자 | 1020160134556 (2016.10.17) |
| 출원인 | 국민대학교산학협력단 |
| 등록번호/일자 | |
| 공개번호/일자 | 10-2018-0042019 (2018.04.25) 문서열기 |
| 공고번호/일자 | 문서열기 |
| 국제출원번호/일자 | |
| 국제공개번호/일자 | |
| 우선권정보 | |
| 법적상태 | 등록 |
| 심사진행상태 | 수리 |
| 심판사항 | |
| 구분 | 신규 |
| 원출원번호/일자 | |
| 관련 출원번호 | |
| 심사청구여부/일자 | Y (2016.10.17) |
| 심사청구항수 | 17 |
출원인
| 번호 | 이름 | 국적 | 주소 |
|---|---|---|---|
| 1 | 국민대학교산학협력단 | 대한민국 | 서울특별시 성북구 |
발명자
| 번호 | 이름 | 국적 | 주소 |
|---|---|---|---|
| 1 | 윤상민 | 대한민국 | 서울특별시 서대문구 |
| 2 | 원용욱 | 대한민국 | 경기도 파주시 평화로***번길 |
대리인
| 번호 | 이름 | 국적 | 주소 |
|---|---|---|---|
| 1 | 정부연 | 대한민국 | 서울특별시 서초구 반포대로**길 ** ***동 ***,***호(서초동, 한빛위너스)(현신특허사무소) |
최종권리자
| 번호 | 이름 | 국적 | 주소 |
|---|---|---|---|
| 1 | 국민대학교산학협력단 | 서울특별시 성북구 |
| 번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
|---|---|---|---|---|
| 1 | [특허출원]특허출원서 [Patent Application] Patent Application |
2016.10.17 | 수리 (Accepted) | 1-1-2016-1004937-27 |
| 2 | [출원서등 보정]보정서 [Amendment to Patent Application, etc.] Amendment |
2016.10.18 | 수리 (Accepted) | 1-1-2016-1008315-32 |
| 3 | 선행기술조사의뢰서 Request for Prior Art Search |
2018.02.06 | 수리 (Accepted) | 9-1-9999-9999999-89 |
| 4 | 선행기술조사보고서 Report of Prior Art Search |
2018.04.09 | 발송처리완료 (Completion of Transmission) | 9-6-2018-0058048-12 |
| 5 | 의견제출통지서 Notification of reason for refusal |
2018.05.14 | 발송처리완료 (Completion of Transmission) | 9-5-2018-0324345-17 |
| 6 | [명세서등 보정]보정서 [Amendment to Description, etc.] Amendment |
2018.07.11 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2018-0682054-97 |
| 7 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 [Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation) |
2018.07.11 | 수리 (Accepted) | 1-1-2018-0682061-17 |
| 8 | 등록결정서 Decision to grant |
2018.11.01 | 발송처리완료 (Completion of Transmission) | 9-5-2018-0747889-97 |
| 번호 | 청구항 |
|---|---|
| 1 |
1 송신단으로부터 세션에 있는 연속적인 제1 및 제2 패킷들을 입력받는 패킷 입력부;상기 제1 패킷에 순환 신경망 모델을 적용하여 다음 패킷의 데이터 특성을 예측하고 상기 다음 패킷의 데이터 특성과 상기 제2 패킷의 데이터 특성 간의 유사도를 기초로 위험요소를 결정하는 제1 위험요소 결정부;상기 유사도가 특정 기준 이하이면 상기 제2 패킷에 관한 위험성 분석을 수행하여 상기 위험요소를 재결정하는 제2 위험요소 결정부; 및상기 재결정이 진행되면 상기 제2 패킷에 관해 순환 신경망 학습을 수행하여 상기 순환 신경망 모델을 갱신하는 순환 신경망 학습부를 포함하되,상기 제2 위험요소 결정부는상기 세션 전용의 가상 머신을 생성하고, 상기 가상 머신을 통해 상기 제1 및 제2 패킷들을 격리 실행하여 악성코드의 존재여부를 검출하고,상기 제1 및 제2 패킷들이 격리 실행될 때 나타나는 리소스 권한 요청내용 및 리소스 사용량 중 적어도 하나를 기초로 상기 악성코드가 존재할 가능성을 나타내는 악성코드 존재 확률을 산출하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치 |
| 2 |
2 제1항에 있어서, 상기 제1 위험요소 결정부는상기 다음 패킷의 데이터 특성이 정상적인 것으로 예측되고 상기 유사도가 상기 특정 기준 이상이면 상기 세션을 안전한 것으로 결정하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치 |
| 3 |
3 제1항에 있어서, 상기 제1 위험요소 결정부는상기 다음 패킷의 데이터 특성이 비정상적인 것으로 예측되고 상기 유사도가 상기 특정 기준 이상이면 상기 세션을 불안전한 것으로 결정하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치 |
| 4 |
4 제3항에 있어서, 상기 제1 위험요소 결정부는상기 세션을 통해 과거의 특정 시간 동안 송수신되었던 패킷들에 관한 심층패킷분석(DPI, Deep Packet Inspection)을 수행하여 상기 세션을 검증하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치 |
| 5 |
5 삭제 |
| 6 |
6 제1항에 있어서, 상기 제2 위험요소 결정부는상기 격리 실행 전에 상기 가상 머신에 순환 신경망 학습 에이전트를 실행하여 상기 제2 패킷에 관한 데이터 특성을 추출하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치 |
| 7 |
7 제6항에 있어서, 상기 제2 위험요소 결정부는상기 격리 실행 후에 상기 순환 신경망 학습 에이전트를 통해 상기 순환 신경망 학습부에 상기 악성코드의 존재여부와 상기 제2 패킷에 관한 데이터 특성을 제공하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치 |
| 8 |
8 삭제 |
| 9 |
9 제1항에 있어서, 상기 제2 위험요소 결정부는상기 악성코드 존재 확률이 특정 기준을 초과하면 상기 악성코드가 존재하는 것으로 결정하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치 |
| 10 |
10 제1항에 있어서, 상기 순환 신경망 학습부는상기 다음 패킷의 데이터 특성의 예측을 위해 상기 제2 패킷과 상기 재결정된 위험요소를 기초로 지도 학습(supervised learning)을 수행하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치 |
| 11 |
11 제10항에 있어서, 상기 순환 신경망 학습부는순환 신경망 학습 에이전트를 통해 상기 제2 패킷에 관한 데이터 특성과 상기 재결정된 위험요소로서 상기 제1 및 제2 패킷들에 악성코드가 존재하는지 여부를 수신하여 상기 지도 학습을 수행하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치 |
| 12 |
12 제1항에 있어서, 상기 데이터 특성은상기 패킷에 포함된 데이터의 압축 비트맵에 해당하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치 |
| 13 |
13 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치에서 수행되는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 방법에 있어서,(a) 송신단으로부터 세션에 있는 연속적인 제1 및 제2 패킷들을 입력받는 단계;(b) 상기 제1 패킷에 순환 신경망 모델을 적용하여 다음 패킷의 데이터 특성을 예측하고 상기 다음 패킷의 데이터 특성과 상기 제2 패킷의 데이터 특성 간의 유사도를 기초로 위험요소를 결정하는 단계;(c) 상기 유사도가 특정 기준 이하이면 상기 제2 패킷에 관한 위험성 분석을 수행하여 상기 위험요소를 재결정하는 단계; 및(d) 상기 재결정이 진행되면 상기 제2 패킷에 관해 순환 신경망 학습을 수행하여 상기 순환 신경망 모델을 갱신하는 단계를 포함하되,상기 (c) 단계는상기 세션 전용의 가상 머신을 생성하고, 상기 가상 머신을 통해 상기 제1 및 제2 패킷들을 격리 실행하여 악성코드의 존재여부를 검출하는 단계를 포함하고,상기 제1 및 제2 패킷들이 격리 실행될 때 나타나는 리소스 권한 요청내용 및 리소스 사용량 중 적어도 하나를 기초로 상기 악성코드가 존재할 가능성을 나타내는 악성코드 존재 확률을 산출하는 단계를 포함하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 방법 |
| 14 |
14 제13항에 있어서, 상기 (b) 단계는상기 다음 패킷의 데이터 특성이 정상적인 것으로 예측되고 상기 유사도가 상기 특정 기준 이상이면 상기 세션을 안전한 것으로 결정하는 단계를 포함하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 방법 |
| 15 |
15 제13항에 있어서, 상기 (b) 단계는상기 다음 패킷의 데이터 특성이 비정상적인 것으로 예측되고 상기 유사도가 상기 특정 기준 이상이면 상기 세션을 불안전한 것으로 결정하는 단계를 포함하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 방법 |
| 16 |
16 제15항에 있어서, 상기 (b) 단계는상기 세션을 통해 과거의 특정 시간 동안 송수신되었던 패킷들에 관한 심층패킷분석(DPI, Deep Packet Inspection)을 수행하여 상기 세션을 검증하는 단계를 더 포함하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 방법 |
| 17 |
17 삭제 |
| 18 |
18 제13항에 있어서, 상기 (c) 단계는상기 격리 실행 전에 상기 가상 머신에 순환 신경망 학습 에이전트를 실행하여 상기 제2 패킷에 관한 데이터 특성을 추출하는 단계를 더 포함하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 방법 |
| 19 |
19 제13항에 있어서, 상기 (d) 단계는상기 다음 패킷의 데이터 특성의 예측을 위해 상기 제2 패킷과 상기 재결정된 위험요소를 기초로 지도 학습(supervised learning)을 수행하는 단계를 포함하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 방법 |
| 20 |
20 제19항에 있어서, 상기 (d) 단계는순환 신경망 학습 에이전트를 통해 상기 제2 패킷에 관한 데이터 특성과 상기 재결정된 위험요소로서 상기 제1 및 제2 패킷들에 악성코드가 존재하는지 여부를 수신하여 상기 지도 학습을 수행하는 단계를 더 포함하는 것을 특징으로 하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 방법 |
| 지정국 정보가 없습니다 |
|---|
| 패밀리정보가 없습니다 |
|---|
| 순번 | 연구부처 | 주관기관 | 연구사업 | 연구과제 |
|---|---|---|---|---|
| 1 | 미래창조과학부 | 숙명여자대학교 | 정보통신·방송 연구개발사업 | 현실체감형 외국어 학습을 위한 스마트러닝 인터랙션 콘텐츠 개발 |
| 2 | 미래창조과학부 | 명지대학교산학협력단 | 방송통신산업기술개발 | 400G 광전송기술 구현을 위한 광변조 및 신호처리 원천기술 연구 |
| 3 | 미래창조과학부 | 국민대학교 | 집단연구지원 | 모듈형 스마트 패션 플랫폼 연구센터 |
| 4 | 미래창조과학부 | 명지대학교산학협력단 | 방송통신산업기술개발 | 400G 광전송기술 구현을 위한 광변조 및 신호처리 원천기술 연구 |
| 등록사항 정보가 없습니다 |
|---|
- 본 '원본보기 서비스'는 참고용이므로, 일부 오류 및 누락이 발생할 수 있습니다.
- 정확한 서류를 확인하시려면 해당 웹사이트에서 조회하시기 바랍니다. (특허로 바로가기: http://www.patent.go.kr)
- 해당 서비스는 점검으로 인해 매주 일요일 00:00 ~ 02:00까지 이용이 중단됩니다.
| 번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
|---|---|---|---|---|
| 1 | [특허출원]특허출원서 | 2016.10.17 | 수리 (Accepted) | 1-1-2016-1004937-27 |
| 2 | [출원서등 보정]보정서 | 2016.10.18 | 수리 (Accepted) | 1-1-2016-1008315-32 |
| 3 | 선행기술조사의뢰서 | 2018.02.06 | 수리 (Accepted) | 9-1-9999-9999999-89 |
| 4 | 선행기술조사보고서 | 2018.04.09 | 발송처리완료 (Completion of Transmission) | 9-6-2018-0058048-12 |
| 5 | 의견제출통지서 | 2018.05.14 | 발송처리완료 (Completion of Transmission) | 9-5-2018-0324345-17 |
| 6 | [명세서등 보정]보정서 | 2018.07.11 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2018-0682054-97 |
| 7 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 | 2018.07.11 | 수리 (Accepted) | 1-1-2018-0682061-17 |
| 8 | 등록결정서 | 2018.11.01 | 발송처리완료 (Completion of Transmission) | 9-5-2018-0747889-97 |
| 기술정보가 없습니다 |
|---|
| 과제고유번호 | 1711035051 |
|---|---|
| 세부과제번호 | 2015R1A5A7037615 |
| 연구과제명 | 모듈형 스마트 패션 플랫폼 연구센터 |
| 성과구분 | 출원 |
| 부처명 | 미래창조과학부 |
| 연구관리전문기관명 | |
| 연구주관기관명 | |
| 성과제출연도 | 2016 |
| 연구기간 | 201603~201702 |
| 기여율 | 0.33333334 |
| 연구개발단계명 | 개발연구 |
| 6T분류명 | CT(문화기술) |
| 과제고유번호 | 1711035483 |
|---|---|
| 세부과제번호 | B0101-16-1347 |
| 연구과제명 | 400G 광전송기술 구현을 위한 광변조 및 신호처리 원천기술 연구 |
| 성과구분 | 출원 |
| 부처명 | 미래창조과학부 |
| 연구관리전문기관명 | |
| 연구주관기관명 | |
| 성과제출연도 | 2016 |
| 연구기간 | 201603~201702 |
| 기여율 | 0.33333334 |
| 연구개발단계명 | 기초연구 |
| 6T분류명 | IT(정보기술) |
| 과제고유번호 | 1711043044 |
|---|---|
| 세부과제번호 | R0115-16-1009 |
| 연구과제명 | 현실체감형 외국어 학습을 위한 스마트러닝 인터랙션 콘텐츠 개발 |
| 성과구분 | 출원 |
| 부처명 | 미래창조과학부 |
| 연구관리전문기관명 | |
| 연구주관기관명 | |
| 성과제출연도 | 2016 |
| 연구기간 | 201609~201708 |
| 기여율 | 0.33333334 |
| 연구개발단계명 | 개발연구 |
| 6T분류명 | IT(정보기술) |
특허성과
| [1020170110292] | 외국어 학습 시스템 및 그것을 이용한 외국어 학습 서비스 제공 방법 | 새창보기 |
|---|---|---|
| [1020170028081] | 사용자 중심의 색상 조절이 가능한 전자펜 장치 | 새창보기 |
| [1020160170524] | 레이저 화학기상 증착 장치 및 이를 이용한 박막 형성방법 | 새창보기 |
| [1020160152448] | 레이저 광 출력 안정화 장치 및 이를 수행하기 위한 방법(APPARATUS FOR STABILIZING LASER OUTPUT AND METHOD OF PERFORMING THE STABILIZATION) | 새창보기 |
| [1020160134556] | 순환 신경망 기반 네트워크 패킷의 위험요소 분석 방법, 이를 수행하는 순환 신경망 기반 네트워크 패킷의 위험요소 분석 장치(METHOD FOR ANALYZING RISK ELEMENT OF NETWORK PACKET BASED ON RECRUUENT NEURAL NETWORK AND APPARATUS ANALYZING THE SAME) | 새창보기 |
| [1020160108061] | 향상된 방열 능력을 갖는 LED 전구(THE LED LIGHT BULB HAVING ENHANCED HEAT DISSIPATION ABILITY) | 새창보기 |
| [1020160101261] | 격벽을 구비하는 섬광체 패널, 이의 제조방법 및 이를 포함하는 방사선 검출기 | 새창보기 |
| [1020160094760] | 사용자 관심 기반의 핫 플레이스 추천 방법 및 이를 수행하는 사용자 관심 기반의 핫 플레이스 추천 서버 | 새창보기 |
| [1020160089765] | 도전성 섬유를 구비하는 저항 변화 소자를 포함하는 분위기 가스 센서 | 새창보기 |
| [1020160089758] | 도전성 섬유를 구비하는 저항 변화 소자를 포함하는 신축 센서 | 새창보기 |
| [1020160086950] | 스마트 우산 및 그 제어방법 | 새창보기 |
| [1020160086888] | 복수의 구성요소를 갖는 스마트 의복 및 그 제어방법 | 새창보기 |
| [1020160086870] | 음악 감상이 가능한 스마트 의복 및 그 제어방법 | 새창보기 |
| [1020160083921] | 사용자 상황을 고려한 현지어 소통 지원 서버 및 현지어 소통 지원 방법 | 새창보기 |
| [1020160081095] | 신틸레이터 패널과 그 제조 방법(Scintillator panel and method for manufacturing the same) | 새창보기 |
중요키워드
| [KST2017008644][국민대학교] | 공통 노드 검출 방법 및 이를 수행하는 공통 노드 검출 서버(COMMON NODE DETECTION METHOD AND COMMON NODE DETECTION SERVER PERFORMING THE SAME) | 새창보기 |
|---|---|---|
| [KST2018000482][국민대학교] | 랜섬웨어 검출 장치 및 방법(RANSOMWARE DETECTION APPARATUS AND METHOD) | 새창보기 |
| [KST2022006306][국민대학교] | 인공신경망을 이용한 RSA 암호에 대한 부채널 분석 방법 및 장치 | 새창보기 |
| [KST2022006321][국민대학교] | 전력 관리 장치 및 방법 | 새창보기 |
| [KST2023005631][국민대학교] | 인공신경망 기반 LED 스트라이프 재구성 방법 및 장치 | 새창보기 |
| [KST2019004645][국민대학교] | CNN 학습 기반의 멀웨어 분석 장치, 이를 수행하는 CNN 학습 기반의 멀웨어 분석 방법 및 이를 저장하는 기록매체 | 새창보기 |
| [KST2019008439][국민대학교] | 스케치 기반의 영상표절 검사 방법 및 장치 | 새창보기 |
| [KST2022023491][국민대학교] | 가상 드라이빙 시스템의 딥러닝 머신 및 그 운용방법 | 새창보기 |
| [KST2020007927][국민대학교] | VISUAL-MIMO 환경에서의 신경망 모델을 이용한 LED 색상 예측 장치 및 그 방법 | 새창보기 |
| [KST2020010805][국민대학교] | 인공지능 기반의 직물 패턴 검색 장치 및 방법 | 새창보기 |
| [KST2020014393][국민대학교] | 멤리스터 어레이 회로를 제어하기 위한 게이트 회로를 포함하는 뉴럴 네트워크 시스템 | 새창보기 |
| [KST2020014398][국민대학교] | 3D 영상 제공을 위한 영상 생성 시스템 | 새창보기 |
| [KST2015201361][국민대학교] | 무인 차량 시스템의 통신 네트워크 장치 | 새창보기 |
| [KST2023006466][국민대학교] | 인공지능 기반의 다중물성 합성 예측 장치 및 방법, 그 방법을 실행하기 위한 프로그램을 기록한 기록매체 | 새창보기 |
| [KST2022006344][국민대학교] | BPPM 기반 하이브리드 파형 신호 수신 방법 및 장치 | 새창보기 |
| [KST2017008640][국민대학교] | 컴퓨터 수행 가능한 침입탐지방법, 시스템 및 컴퓨터 판독 가능한 기록매체(COMPUTER-EXECUTABLE INTRUSION DETECTION METHOD, SYSTEM AND COMPUTER-READABLE STORAGE MEDIUM STORING THE SAME) | 새창보기 |
| [KST2022006359][국민대학교] | 컨볼루션 신경망 모델 검증 방법 및 그 장치 | 새창보기 |
| [KST2019013446][국민대학교] | 뉴럴 네트워크 칩 | 새창보기 |
| [KST2018005142][국민대학교] | 클라우드를 이용한 광학 카메라 통신 방법 및 장치(OPTICAL CAMERA COMMUNICATION METHOD AND APPARATUS USING CLOUD) | 새창보기 |
| [KST2023008584][국민대학교] | 딥러닝 모델을 이용한 실시간 혈압 추정 방법 및 장치 | 새창보기 |
| [KST2020009632][국민대학교] | 손동작 분류 장치 | 새창보기 |
| [KST2022006335][국민대학교] | 훈련 데이터를 생성하고 검증하는 장치 및 방법 | 새창보기 |
| [KST2019006672][국민대학교] | 심리스 DTN 프로토콜을 사용한 수중통신 장치 및 그 통신방법 | 새창보기 |
| [KST2019006671][국민대학교] | 동적 신경망 학습 방법 및 이를 수행하는 동적 신경망 학습 장치 | 새창보기 |
| [KST2018005146][국민대학교] | 사물인터넷 기반의 DUSS(Different Units Same Security) 장치(DIFFERENT UNITS SAME SECURITY APPARATUS BASED ON INTERNET OF THINGS) | 새창보기 |
| [KST2022006320][국민대학교] | 최적의 훈련 방식 판단 방법 및 장치 | 새창보기 |
| [KST2022006336][국민대학교] | 광학 카메라 통신(OCC) 기반 차량 위치 판단 방법 및 장치 | 새창보기 |
| [KST2023009467][국민대학교] | 메모리 장치, 메모리 장치의 동작 방법, 및 이를 포함하는 메모리 시스템 | 새창보기 |
| [KST2015201497][국민대학교] | 가시광통신에 적용되는 상호협동적 ＭＡＣ 프로토콜 통신방법 | 새창보기 |
| [KST2022006330][국민대학교] | 광학 카메라 통신(OCC) 기반 도로 형태 판단 방법 및 장치 | 새창보기 |
| 심판사항 정보가 없습니다 |
|---|