맞춤기술찾기

이전대상기술

머신러닝을 이용한 이상징후 탐지 방법 및 시스템

  • 기술번호 : KST2020007480
  • 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 발명에 따른 이상 징후 탐지 시스템의 동작 방법은, 머신 러닝을 이용하여 학습 데이터에 대한 예측치와 실측치 사이의 비용 변화들을 저장하는 단계, 상기 저장된 비용 변화들 중에서 타겟의 비용 변화와 유사한 패턴을 갖는 이웃을 검색하는 단계, 및 상기 검색된 이웃의 비용 변화와 상기 타겟의 비용 변화의 차이를 근거로 하여 상기 타겟의 정상/비정상을 판단하는 단계를 포함할 수 있다.
Int. CL H04L 29/06 (2006.01.01) H04L 12/24 (2006.01.01) H04L 12/26 (2006.01.01) G06N 20/00 (2019.01.01)
CPC H04L 63/1425(2013.01) H04L 63/1425(2013.01) H04L 63/1425(2013.01) H04L 63/1425(2013.01)
출원번호/일자 1020180160051 (2018.12.12)
출원인 한국전자통신연구원
등록번호/일자
공개번호/일자 10-2020-0072169 (2020.06.22) 문서열기
공고번호/일자 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.12.12)
심사청구항수 15

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국전자통신연구원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 윤정한 대전광역시 서구
2 최종원 대전광역시 유성구
3 김종욱 경기도 수원시 권선구
4 황원석 대전광역시 유성구
5 김신규 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 한양특허법인 대한민국 서울특별시 강남구 논현로**길 **, 한양빌딩 (도곡동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국전자통신연구원 대전광역시 유성구
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
2018.12.12 수리 (Accepted) 1-1-2018-1247622-18
2 선행기술조사의뢰서
Request for Prior Art Search
2019.06.13 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2019.08.07 발송처리완료 (Completion of Transmission) 9-6-2020-0050229-52
4 의견제출통지서
Notification of reason for refusal
2020.04.28 발송처리완료 (Completion of Transmission) 9-5-2020-0296762-00
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2020.06.29 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0668602-37
6 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2020.06.29 수리 (Accepted) 1-1-2020-0668603-83
7 등록결정서
Decision to grant
2020.11.23 발송처리완료 (Completion of Transmission) 9-5-2020-0812722-44
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
이상 징후 탐지 시스템의 동작 방법에 있어서,머신 러닝을 이용하여 학습 데이터에 대한 예측치와 실측치 사이의 비용 변화들을 저장하는 단계;상기 저장된 비용 변화들 중에서 타겟의 비용 변화와 유사한 패턴을 갖는 이웃을 검색하는 단계; 및상기 검색된 이웃의 비용 변화와 상기 타겟의 비용 변화의 차이를 근거로 하여 상기 타겟의 정상/비정상을 판단하는 단계를 포함하고,상기 비용 변화들을 저장하는 단계는테스트 데이터에 상응하는 비용을 기반으로 정상과 비정상을 구분하는 상기 비용의 임계값을 결정하는 단계;상기 임계값을 기반으로 상기 테스트 데이터의 정상/비정상을 판단하는 단계; 및상기 테스트 데이터에서 상기 임계값보다 상기 비용이 크면서 정상 상황에 대하여 제 1 시간 동안 비용 변화를 저장하는 단계를 포함하고,상기 비용은 상기 예측치와 실측치의 차이인 것을 특징으로 하는 방법
2 2
삭제
3 3
삭제
4 4
제 1 항에 있어서,상기 비용은 학습 모델을 이용하여 정상/비정상 유무를 판단하기 위한 상기 예측치와 실측치의 차이를 사전에 결정된 시간 동안에 누적시킨 것을 특징으로 하는 방법
5 5
삭제
6 6
삭제
7 7
제 1 항에 있어서,상기 비용 변화들을 저장하는 단계는,상기 비용 변화들 사이의 차이를 계산하는 제 1 비용 변화 차이 계산 함수를 결정하는 단계를 더 포함하는 방법
8 8
제 7 항에 있어서,상기 비용 변화들을 저장하는 단계는,상기 제 1 비용 변화 차이 계산 함수를 이용하여 상기 비용 변화들 사이의 차이에 대한 제 1 임계값을 결정하는 단계를 더 포함하는 방법
9 9
제 1 항에 있어서,상기 비용 변화들을 저장하는 단계는,상기 테스트 데이터에서 상기 임계값 보다 상기 비용이 낮으면서 정상 상황에 대하여 제 2 시간 동안 비용 변화를 저장하는 단계를 포함하는 방법
10 10
제 9 항에 있어서,상기 비용 변화들을 저장하는 단계는,상기 비용 변화들 사이의 차이를 계산하는 제 2 비용 변화 차이 계산 함수를 결정하는 단계를 더 포함하는 방법
11 11
제 10 항에 있어서,상기 비용 변화들을 저장하는 단계는,상기 제 2 비용 변화 차이 계산 함수를 이용하여 상기 비용 변화들 사이의 차이에 대한 제 2 임계값을 결정하는 단계를 더 포함하는 방법
12 12
제 11 항에 있어서,상기 비용 변화들 사이의 차이는 유클리안 거리로 계산되는 것을 특징으로 하는 방법
13 13
제 1 항에 있어서,상기 타겟의 모니터링 현황 정보와 학습 모델을 이용하여 상기 예측치를 계산하는 단계를 더 포함하는 방법
14 14
제 1 항에 있어서,상기 임계값을 이용하여 상기 타겟의 정상/비정상을 1차적으로 판단하는 단계를 더 포함하는 방법
15 15
제 14 항에 있어서,상기 유사한 패턴을 갖는 이웃을 검색하는 단계는,상기 1차적으로 판단하는 단계에서 상기 타겟이 비정상일 때, 사전에 결정된 시간 동안 상기 타겟의 실측치에 대한 비용 변화를 추출하는 단계; 및제 1 비용 변화 차이 계산 함수를 이용하여 임계값-초과 비용 변화들 중에서 상기 추출된 비용 변화에 유사한 상기 이웃을 검색하는 단계를 더 포함하는 방법
16 16
제 14 항에 있어서,상기 유사한 패턴을 갖는 이웃을 검색하는 단계는,상기 1차적으로 판단하는 단계에서 상기 타겟이 정상일 때, 사전에 결정된 시간 동안 상기 타겟의 실측치에 대한 비용 변화를 추출하는 단계; 및제 2 비용 변화 차이 계산 함수를 이용하여 임계값-이하 비용 변화들 중에서 상기 추출된 비용 변화에 유사한 상기 이웃을 검색하는 단계를 더 포함하는 방법
17 17
머신 러닝을 이용하여 테스트 데이터를 학습함으로써 학습 모델을 생성하는 학습기;상기 학습 모델에 따른 예측치와 실측치의 차이에 대응하는 비용에 대한 임계값을 근거로 하여 타겟에 대한 정상/비정상을 1차적으로 판단하는 예측 기준 판단기; 및상기 예측 기준 판단기의 상기 타겟에 대한 1차적인 판단 결과를 수신하고, 사전에 결정된 시간 동안 추출된 상기 타겟의 비용 변화와 이웃의 비용 변화의 차이를 계산하고, 상기 계산된 비용 변화 차이값과 비용 변화 차이 제한값을 비교함으로써 상기 타겟에 대한 정상/비정상을 2차적으로 판단하는 비용 변화 기준 판단기를 포함하고,상기 테스트 데이터에서 상기 임계값보다 크고 정상 상황에 대해 제 1 시간 동안의 임계값-초과 비용 변화들이 저장되고, 상기 임계값-초과 비용 변화들 사이의 차이를 계산하는 제 1 비용 변화 차이 함수가 결정되고, 상기 제 1 비용 변화 차이 함수를 이용하여 상기 임계값-초과 비용 변화들 사이의 차이에 대한 제 1 임계값이 결정되는 것을 특징으로 하는 이상 징후 탐지 시스템
18 18
삭제
19 19
제 17 항에 있어서,상기 테스트 데이터에서 상기 임계값 보다 낮고 정상 상황에 대해 제 2 시간 동안의 임계값-이하 비용 변화들이 저장되고,상기 임계값-이하 비용 변화들 사이의 차이를 계산하는 제 2 비용 변화 차이 함수가 결정되고,상기 제 2 비용 변화 차이 함수를 이용하여 상기 임계값-이하 비용 변화들 사이의 차이에 대한 제 2 임계값이 결정되는 것을 특징으로 하는 이상 징후 탐지 시스템
20 20
제 19 항에 있어서,상기 제 1 임계값 및 상기 제 2 임계값 중 적어도 하나는 상기 비용 변화 차이 제한값이 되고,상기 비용 변화 기준 판단기는 상기 제 1 임계값 혹은 상기 제 2 임계값을 이용하여 상기 타겟의 정상/비정상을 판단하는 것을 특징으로 하는 이상 징후 탐지 시스템
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.