맞춤기술찾기

이전대상기술

무인항공기의 행위 분석 시스템, 행위 분석 모델 학습 시스템 및 방법

  • 기술번호 : KST2022006898
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 무인항공기의 비행이 정상적인 비행인지 혹은 해킹에 의한 악의적인 비행인지를 분석하는 행위 분석 모델을 포함하는 행위 분석 시스템과, 그 행위 분석 모델을 훈련하는 학습 시스템 및 방법에 관한 것이다. 본 발명의 한 실시예에 따른 행위 분석 모델 학습 시스템은, 무인항공기로부터 복수의 실측 거리 오차와 정상 비행 여부 정보를 수집하는 실측값 수집부와; 행위 분석 모델 모듈에 한계 오차 초기값을 입력하고, 상기 복수의 실측 거리 오차 중 하나의 학습용 거리 오차를 상기 행위 분석 모델 모듈에 제공하여 분석 결과값을 제공받으며, 상기 분석 결과값과 상기 학습용 거리 오차의 정상 비행 여부 정보를 비교하여 상기 행위 분석 모델 모듈에 피드백하는 모델 학습 제어부와; 상기 모델 학습 제어부로부터 한계 오차 초기값을 입력받아 초기 한계 오차로 설정하고, 상기 모델 학습 제어부로부터 입력된 상기 학습용 거리 오차와 상기 한계 오차를 비교하여 정상 비행 또는 악의 비행인지 분석하여 상기 모델 학습 제어부에 상기 분석 결과값을 출력하며, 상기 모델 학습 제어부로부터 피드백받아 상기 한계 오차를 훈련하는 상기 행위 분석 모델 모듈을 포함한다.
Int. CL G01S 19/07 (2010.01.01) G06N 3/08 (2006.01.01) G06N 20/00 (2019.01.01) G01S 19/20 (2010.01.01) G01S 19/53 (2010.01.01)
CPC
출원번호/일자 1020210112183 (2021.08.25)
출원인 순천향대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0029433 (2022.03.08) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020200110255   |   2020.08.31
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.08.25)
심사청구항수 18

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 순천향대학교 산학협력단 대한민국 충청남도 아산시

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 임강빈 충청남도 천안시 서북구
2 유일선 서울특별시 도봉구
3 이경률 충청남도 아산시
4 김민성 경기도 고양시 덕양구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인위더피플 대한민국 서울특별시 서대문구 경기대로 **, 진양빌딩 *층(충정로*가)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2021.08.25 수리 (Accepted) 1-1-2021-0980451-15
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
무인항공기로부터 복수의 실측 거리 오차와 정상 비행 여부 정보를 수집하는 실측값 수집부와;행위 분석 모델 모듈에 한계 오차 초기값을 입력하고, 상기 복수의 실측 거리 오차 중 하나의 학습용 거리 오차를 상기 행위 분석 모델 모듈에 제공하여 분석 결과값을 제공받으며, 상기 분석 결과값과 상기 학습용 거리 오차의 정상 비행 여부 정보를 비교하여 상기 행위 분석 모델 모듈에 피드백하는 모델 학습 제어부와;상기 모델 학습 제어부로부터 한계 오차 초기값을 입력받아 초기 한계 오차로 설정하고, 상기 모델 학습 제어부로부터 입력된 상기 학습용 거리 오차와 상기 한계 오차를 비교하여 정상 비행 또는 악의 비행인지 분석하여 상기 모델 학습 제어부에 상기 분석 결과값을 출력하며, 상기 모델 학습 제어부로부터 피드백받아 상기 한계 오차를 훈련하는 상기 행위 분석 모델 모듈을 포함한 것을 특징으로 하는 행위 분석 모델 학습 시스템
2 2
제1항에 있어서, 상기 행위 분석 모델 모듈은 상기 학습용 거리 오차와 한계 오차를 비교하여 상기 학습용 거리 오차가 한계 오차보다 크면 악의 비행으로 결정하고, 상기 학습용 거리 오차가 한계 오차보다 작으면 정상 비행으로 결정하고, 상기 결정된 분석 결과값을 상기 모델 학습 제어부에 제공하는 것을 특징으로 하는 행위 분석 모델 학습 시스템
3 3
제1항에 있어서, 상기 피드백은 정상 비행을 정상 비행으로 결정하거나 악의 비행을 악의 비행으로 결정한 정상 탐지와, 악의 비행을 정상 비행으로 결정하거나 정상 비행을 악의 비행으로 결정한 오탐지를 포함한 것을 특징으로 하는 행위 분석 모델 학습 시스템
4 4
제1항에 있어서, 상기 행위 분석 모델은 결정 트리(decision tree), 랜덤 포레스트(random forest), 그래디언트 부스팅(Gradient Boosting) 중 어느 하나의 기법으로 구현되는 것을 특징으로 하는 행위 분석 모델 학습 시스템
5 5
제1항에 있어서, 상기 행위 분석 모델은 정확도(accuracy), 정밀도(precision), 검출력(recall), f1 점수(f1 score), AUC(Area Under Curve)을 포함한 지표로 평가되는 것을 특징으로 하는 행위 분석 모델 학습 시스템
6 6
정상 비행하는 무인항공기로부터 복수의 실측 거리 오차 데이터를 수집하는 실측값 수집부와;악의 비행 무인항공기를 모의하여 복수의 모의 거리 오차 데이터를 생성하는 악의 비행 모의값 생성부와;행위 분석 모델 모듈에 한계 오차 초기값을 입력하고, 상기 복수의 실측 거리 오차 및 복수의 모의 거리 오차 중 하나의 학습용 거리 오차를 상기 행위 분석 모델 모듈에 제공하여 분석 결과값을 제공받으며, 상기 분석 결과값과 상기 학습용 거리 오차의 정상 비행 여부 정보를 비교하여 상기 행위 분석 모델 모듈에 피드백하는 모델 학습 제어부와;상기 모델 학습 제어부로부터 한계 오차 초기값을 입력받아 초기 한계 오차로 설정하고, 상기 한계 오차와 상기 학습용 거리 오차를 비교하여 정상 비행 또는 악의 비행인지 분석하여 상기 모델 학습 제어부에 분석 결과값을 출력하며, 상기 모델 학습 제어부로부터 피드백받아 상기 한계 오차를 훈련하는 상기 행위 분석 모델 모듈을 포함한 것을 특징으로 하는 행위 분석 모델 학습 시스템
7 7
제6항에 있어서, 상기 악의 비행 모의값 생성부는 상기 실측값 수집부에서 수집된 정상 비행 상태의 실측 거리 오차 데이터를 기반으로 생성되는 것을 특징으로 하는 행위 분석 모델 학습 시스템
8 8
제6항에 있어서, 상기 행위 분석 모델 모듈은 상기 학습용 거리 오차와 한계 오차를 비교하여 상기 학습용 거리 오차가 한계 오차보다 크면 악의 비행으로 결정하고, 상기 학습용 거리 오차가 한계 오차보다 작으면 정상 비행으로 결정하고, 상기 결정된 분석 결과값을 상기 모델 학습 제어부에 제공하는 것을 특징으로 하는 행위 분석 모델 학습 시스템
9 9
제6항에 있어서, 상기 피드백은 정상 비행을 정상 비행으로 결정하거나 악의 비행을 악의 비행으로 결정한 정상 탐지, 악의 비행을 정상 비행으로 결정하거나 정상 비행을 악의 비행으로 결정한 오탐지를 포함한 것을 특징으로 하는 행위 분석 모델 학습 시스템
10 10
제6항에 있어서, 상기 행위 분석 모델은 결정 트리(decision tree), 랜덤 포레스트(random forest), 그래디언트 부스팅(Gradient Boosting) 중 어느 하나의 기법으로 구현되는 것을 특징으로 하는 행위 분석 모델 학습 시스템
11 11
제6항에 있어서, 상기 행위 분석 모델은 정확도(accuracy), 정밀도(precision), 검출력(recall), f1 점수(f1 score), AUC(Area Under Curve)을 포함한 지표로 평가되는 것을 특징으로 하는 행위 분석 모델 학습 시스템
12 12
실측값 수집부가 정상 비행하는 무인항공기로부터 복수의 실측 거리 오차 데이터를 수집하는 제1단계와;악의 비행 모의값 생성부가 악의 비행 무인항공기를 모의하여 복수의 모의 거리 오차 데이터를 생성하는 제2단계와;모델 학습 제어부가 행위 분석 모델 모듈에 한계 오차 초기값을 입력하고 상개 행위 분석 모델 모듈이 초기 한계 오차를 설정하는 제3단계와;상기 모델 학습 제어부가 상기 복수의 실측 거리 오차 및 복수의 모의 거리 오차 중 하나의 학습용 거리 오차를 선정하여 상기 행위 분석 모델 모듈에 제공하는 제4단계와;상기 행위 분석 모델 모듈이 상기 학습용 거리 오차와 한계 오차를 비교하여 정상 비행 또는 악의 비행인지를 분석하고 분석 결과값을 상기 모델 학습 제어부에 제공하는 제5단계와;상기 모델 학습 제어부가 상기 분석 결과값과 상기 학습용 거리 오차의 정상 비행 여부 정보를 비교하여 상기 행위 분석 모델 모듈에 피드백하는 제6단계와;상기 행위 분석 모델 모듈이 피드백 결과를 기반으로 상기 한계 오차를 훈련하는 제7단계를 포함한 것을 특징으로 하는 행위 분석 모델 학습 방법
13 13
제12항에 있어서, 상기 제2단계는,상기 악의 비행 모의값 생성부는 상기 실측값 수집부에서 수집된 정상 비행 상태의 실측 거리 오차 데이터를 기반으로 생성되는 것을 특징으로 하는 행위 분석 모델 학습 방법
14 14
제12항에 있어서, 상기 제5단계는,상기 행위 분석 모델 모듈은 상기 학습용 거리 오차와 한계 오차를 비교하여 상기 학습용 거리 오차가 한계 오차보다 크면 악의 비행으로 결정하고, 상기 학습용 거리 오차가 한계 오차보다 작으면 정상 비행으로 결정하고, 상기 결정된 분석 결과값을 상기 모델 학습 제어부에 제공하는 것을 특징으로 하는 행위 분석 모델 학습 방법
15 15
제12항에 있어서, 상기 피드백은 정상 비행을 정상 비행으로 결정하거나 악의 비행을 악의 비행으로 결정한 정상 탐지, 악의 비행을 정상 비행으로 결정하거나 정상 비행을 악의 비행으로 결정한 오탐지를 포함한 것을 특징으로 하는 행위 분석 모델 학습 방법
16 16
제12항에 있어서, 상기 행위 분석 모델은 결정 트리(decision tree), 랜덤 포레스트(random forest), 그래디언트 부스팅(Gradient Boosting) 중 어느 하나의 기법으로 구현되는 것을 특징으로 하는 행위 분석 모델 학습 방법
17 17
제12항에 있어서, 상기 행위 분석 모델은 정확도(accuracy), 정밀도(precision), 검출력(recall), f1 점수(f1 score), AUC(Area Under Curve)을 포함한 지표로 평가되는 것을 특징으로 하는 행위 분석 모델 학습 방법
18 18
무인항공기의 설정 비행 경로 정보를 취득하는 설정 비행 경로 정보 취득부와,상기 무인항공기의 실제 비행 경로 정보를 취득하는 실제 비행 경로 정보 취득부와,상기 설정 비행 경로 정보와 실제 비행 경로 정보를 이용하여 설정 비행 경로와 실제 비행 경로간의 오차 거리를 산출하는 오차 거리 산출부와,제12항 내지 제17항의 어느 한 항의 행위 분석 모델 학습 방법에 의해 훈련되며, 상기 오차 거리를 이용하여 상기 무인항공기가 정상 비행인지 악의 비행인지를 판단하는 행위 분석 모델 모듈로 구성된 것을 특징으로 하는 무인항공기의 행위 분석 시스템
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 순천향대학교산학협력단 정보보호핵심원천기술개발(R&D) IoT가 내재된 가상물리시스템을 위한 규칙 명세 기반의 악의적인 행위 탐지