지능형 모바일 단말과 통신 기술의 급속한 발전에 따라 위치기반서비스(LBS)는 사용자의 일상에서 필수적인 부분이 되었다. LBS 제공자는 수집된 사용자의 위치 데이터를 업로드하고 공유한다. 위치 프라이버시 보호를 위해 널리 사용되는 방법으로는 차등 프라이버시(differential privacy)와 그 확장들이 있다. 그러나 위치 데이터의 핵심 구성요소인 위치의 의미(semantic) 정보는 종종 민감한 사용자 정보를 포함한다. 대부분의 기존 연구 방법은 위치 데이터 내의 의미 정보를 보호하는 데 충분한 주의를 기울이지 못했다. 이러한 문제를 해결하기 위해 본 논문에서는 단일 지점 위치 질의와 연속 위치 질의를 각각 대상으로 하는, 위치 의미 프라이버시 보호 방법에 대한 두 가지 서로 다른 시나리오를 제안한다. 실제 소셜 위치 체크인(check-in) 데이터셋에 대한 시뮬레이션 실험과 세 가지 서로 다른 프라이버시 보호 메커니즘과의 비교 결과, 본 솔루션은 위치 의미를 고려할 때 우수한 서비스 품질과 프라이버시 보호 성능을 보임을 확인하였다.

본 논문은 P2P 네트워크 기반 네트워크형 PVR에서, PVR들이 서로 독립적으로 동작할 때보다 저장 효율을 향상시키면서도 프로그램 가용성을 유사한 정도로 유지하는 새로운 협력적 기록(cooperative recording) 방식을 제시한다. 우리는 P2P 네트워크에서 기록된 프로그램의 데이터 가용성을 보장하기 위해 소거 부호화(erasure coding) 기법을 사용한다. 또한 시스템이 해당 프로그램들에 대한 모든 동시 스트리밍 요청을 지원하고 필요한 만큼의 가용성을 유지할 수 있도록 기록된 프로그램의 데이터 중복도(degree)를 결정한다. 더불어 PVR에 기록 작업을 할당하는 방법과 성능 저하 없이 기록된 프로그램을 재생하는 방법을 제시한다. 제안한 방식은 PVR들이 서로 협력하지 않을 때와 비교하여, 각 요청의 재생가능성(playbackability)을 유사하게 유지하면서 저장 효율을 유의미하게 개선함을 보인다.

샤일링 공격(shilling attacks)을 탐지하는 대부분의 연구는 사용자의 평점(rating) 행동에 초점을 맞추고 있으나, 공격자가 사용자의 신뢰(trusting) 행동 또한 공격할 수 있다는 점은 고려하지 않는다. 예를 들어 공격자는 다른 사용자의 평점에 낮은 점수를 부여하여, 그 사용자들의 평점이 유용하지 않다고 사람들이 생각하도록 만들 수 있다. 본 논문에서는 신뢰 샤일링 공격(trust shilling attack)을 정의하고, 신뢰 공격의 행위 특성(behavior features)을 제안하며, 기계 학습(machine learning) 방법을 사용한 효과적인 탐지 기법을 제시한다. 실험 결과는, 우리가 제안하는 신뢰 공격의 행위 특성을 기반으로 할 때 전통적인 샤일링 공격(traditional shilling attacks)뿐 아니라 신뢰 샤일링 공격도 정확하게 탐지할 수 있음을 보여준다.

인터넷에 연결된 분산형 장치는 다양한 멀티미디어 서비스를 제공해 왔다. 특히 네트워크 기반 개인 비디오 레코더(PVR)는 저장 장치에 방송 TV 프로그램을 저장하거나 중앙 서버로부터 프로그램을 수신함으로써, 사람들이 원하는 프로그램을 원하는 시간에 시청할 수 있게 해준다. 그러나 동시 접속 사용자가 대규모일 때 이를 지원할 수 있는 기존 CDNs는 사용자 수가 증가함에 따라 필요한 서버 수가 비례하여 늘어나야 하므로 확장성에 한계가 있다. 이러한 문제를 해결하기 위해, PVR이 서로 TV 프로그램을 공유할 수 있도록 P2P 네트워크 위에서 시간지연형 라이브 스트리밍 시스템을 개발하였다. 제안하는 바는, 해당 기간에 재생 중인 PVR의 수가 시간지연 기간의 스트리밍 서비스를 제공하기에 충분하지 않더라도 이를 제공할 수 있도록 협력적 버퍼링 기법을 제안하는 것이며, 라이브 방송 시간에 재생 중인 PVR들의 유휴 자원을 활용하여 이를 수행한다. 버퍼링할 청크를 결정하기 위해서는 결핍의 정도와 근접도, 그리고 청크 사본에 대한 재생 요청의 비율을 고려한다. 광범위한 시뮬레이션을 통해, 제안한 버퍼링 기법이 시간지연 시간을 유의미하게 연장할 수 있음을 보이며, 재생 연속성 및 시작 지연 측면에서 두 가지 버퍼링 기법의 성능을 비교하였다.

지능형 모바일 단말과 통신 기술의 급속한 발전에 따라 위치기반서비스(LBS)는 사용자의 일상에서 필수적인 부분이 되었다. LBS 제공자는 수집된 사용자의 위치 데이터를 업로드하고 공유한다. 위치 프라이버시 보호를 위해 널리 사용되는 방법으로는 차등 프라이버시(differential privacy)와 그 확장들이 있다. 그러나 위치 데이터의 핵심 구성요소인 위치의 의미(semantic) 정보는 종종 민감한 사용자 정보를 포함한다. 대부분의 기존 연구 방법은 위치 데이터 내의 의미 정보를 보호하는 데 충분한 주의를 기울이지 못했다. 이러한 문제를 해결하기 위해 본 논문에서는 단일 지점 위치 질의와 연속 위치 질의를 각각 대상으로 하는, 위치 의미 프라이버시 보호 방법에 대한 두 가지 서로 다른 시나리오를 제안한다. 실제 소셜 위치 체크인(check-in) 데이터셋에 대한 시뮬레이션 실험과 세 가지 서로 다른 프라이버시 보호 메커니즘과의 비교 결과, 본 솔루션은 위치 의미를 고려할 때 우수한 서비스 품질과 프라이버시 보호 성능을 보임을 확인하였다.

본 논문은 P2P 네트워크 기반 네트워크형 PVR에서, PVR들이 서로 독립적으로 동작할 때보다 저장 효율을 향상시키면서도 프로그램 가용성을 유사한 정도로 유지하는 새로운 협력적 기록(cooperative recording) 방식을 제시한다. 우리는 P2P 네트워크에서 기록된 프로그램의 데이터 가용성을 보장하기 위해 소거 부호화(erasure coding) 기법을 사용한다. 또한 시스템이 해당 프로그램들에 대한 모든 동시 스트리밍 요청을 지원하고 필요한 만큼의 가용성을 유지할 수 있도록 기록된 프로그램의 데이터 중복도(degree)를 결정한다. 더불어 PVR에 기록 작업을 할당하는 방법과 성능 저하 없이 기록된 프로그램을 재생하는 방법을 제시한다. 제안한 방식은 PVR들이 서로 협력하지 않을 때와 비교하여, 각 요청의 재생가능성(playbackability)을 유사하게 유지하면서 저장 효율을 유의미하게 개선함을 보인다.

샤일링 공격(shilling attacks)을 탐지하는 대부분의 연구는 사용자의 평점(rating) 행동에 초점을 맞추고 있으나, 공격자가 사용자의 신뢰(trusting) 행동 또한 공격할 수 있다는 점은 고려하지 않는다. 예를 들어 공격자는 다른 사용자의 평점에 낮은 점수를 부여하여, 그 사용자들의 평점이 유용하지 않다고 사람들이 생각하도록 만들 수 있다. 본 논문에서는 신뢰 샤일링 공격(trust shilling attack)을 정의하고, 신뢰 공격의 행위 특성(behavior features)을 제안하며, 기계 학습(machine learning) 방법을 사용한 효과적인 탐지 기법을 제시한다. 실험 결과는, 우리가 제안하는 신뢰 공격의 행위 특성을 기반으로 할 때 전통적인 샤일링 공격(traditional shilling attacks)뿐 아니라 신뢰 샤일링 공격도 정확하게 탐지할 수 있음을 보여준다.

인터넷에 연결된 분산형 장치는 다양한 멀티미디어 서비스를 제공해 왔다. 특히 네트워크 기반 개인 비디오 레코더(PVR)는 저장 장치에 방송 TV 프로그램을 저장하거나 중앙 서버로부터 프로그램을 수신함으로써, 사람들이 원하는 프로그램을 원하는 시간에 시청할 수 있게 해준다. 그러나 동시 접속 사용자가 대규모일 때 이를 지원할 수 있는 기존 CDNs는 사용자 수가 증가함에 따라 필요한 서버 수가 비례하여 늘어나야 하므로 확장성에 한계가 있다. 이러한 문제를 해결하기 위해, PVR이 서로 TV 프로그램을 공유할 수 있도록 P2P 네트워크 위에서 시간지연형 라이브 스트리밍 시스템을 개발하였다. 제안하는 바는, 해당 기간에 재생 중인 PVR의 수가 시간지연 기간의 스트리밍 서비스를 제공하기에 충분하지 않더라도 이를 제공할 수 있도록 협력적 버퍼링 기법을 제안하는 것이며, 라이브 방송 시간에 재생 중인 PVR들의 유휴 자원을 활용하여 이를 수행한다. 버퍼링할 청크를 결정하기 위해서는 결핍의 정도와 근접도, 그리고 청크 사본에 대한 재생 요청의 비율을 고려한다. 광범위한 시뮬레이션을 통해, 제안한 버퍼링 기법이 시간지연 시간을 유의미하게 연장할 수 있음을 보이며, 재생 연속성 및 시작 지연 측면에서 두 가지 버퍼링 기법의 성능을 비교하였다.

생활수준의 향상으로 인해 사람들의 정신적 요구는 계속 증가하고 있으며, 그에 따라 개인화된 여행 추천은 점차 더 인기를 얻고 있다. 그러나 인터넷에 존재하는 복잡하고 과도한 정보는 사람들이 여행 명소를 선택하는 데 어려움을 초래하였다. 추천 알고리즘으로 협업 필터링이 널리 사용되고 있음에도 불구하고, 사용자 기반 또는 항목 기반 협업 필터링은 사용자들의 개인화된 특성을 고려하지 않는다. 사용자에게 더 나은 여행 명소를 추천하기 위해, 본 연구는 사용자 기반 원본 협업 필터링 행렬과 사용자의 개인화 선호 행렬을 결합한 개인화 협업 융합 알고리즘을 제안하여 추천의 정확성과 매력도를 보다 높이고자 한다. 본 연구는 Qunaer의 데이터를 기반으로 실험을 구성하였으며, 그 결과 제안한 알고리즘이 유사한 사용자의 여행 명소를 추천할 뿐만 아니라 사용자의 고유한 개인화 특성도 고려함을 확인하였다.

본 서신에서는 효율적인 지하 시설 관리를 위한 지하 시설 관리 시스템을 제안한다. 현재의 지하 시설 관리 시스템은 유선 및 무선 듀플렉스 통신 방식을 사용하여 끊김 없는 통신과, 발생하는 어떠한 고장에 대해서도 신속한 대응을 가능하게 한다. 본 서신에서는 이종 듀플렉스 통신을 지원하는 지하 시설 관리 시스템의 아키텍처와 구성요소를 제안하며, 관련 작업 흐름을 제시한다.

이용자들은 레스토랑 검색(예: Yelp)과 같은 구조화된 검색 시스템에서 항목을 찾기 위해 자신의 용어를 사용하는 경향이 있다. 그러나 이용자들의 내부 어휘와 구조에 대한 이해 부족으로 인해, 검색을 적절히 수행하지 못하여 만족스럽지 않은 검색 결과로 이어지는 경우가 많다. 이러한 상황에서는 검색 시스템이 이용자가 더 나은 검색 결과를 얻기 위해 서로 다른 용어를 사용할 수 있도록 지원해야 한다. 이에 본 연구에서는 이용자 질의가 주어졌을 때 제안 질의를 생성하기 위한 방안을 개발한다. 이를 위해 본 논문에서는 먼저, 질의(즉 이용자 질의 및/또는 제안 질의)를 두 가지 지표에 근거해 평가하기 위한 방안을 제안한다: 1) 해당 질의가 충분한 수의 검색 결과를 반환하는지, 2) 해당 질의가 높은 품질의 검색 결과를 반환하는지이다. 또한 이용자 질의에 대해 대안 후보 질의들 중에서 선택하기 위한 학습 모델을 제시한다. 실험 결과, 제안 방법은 실현 가능하며 확장성이 있음을 보여준다.

사용자 생성 이미지는 Facebook, Twitter 및 다양한 블로그스피어와 같은 소셜 미디어 플랫폼 전반에 걸쳐 이제 널리 보편화되어 있다. 이러한 이미지는 관련 주제에 따라 분류하고 순위를 매길 수 있다. 본 논문에서는 블로그스피어로부터 대량의 이미지 중 특정 주제나 객체와 관련된 두드러진 이미지를 채굴하기 위한 후보 기법들을 제시하고 비교한다. 두드러진 이미지를 식별하는 과정은 몇 가지 단계로 구성되며, 여기에는 이미지 간 유사도 계산, k-means 군집화, 그리고 이미지 순위 매기기가 포함된다. 각 단계에서 우리는 일련의 대안들을 제안하고, 그 결과 각 기법의 성능을 경험적으로 비교함으로써 최적의 조합 기법을 제시한다. 또한 확장성을 해결하기 위해, Hadoop 환경 위에서 MapReduce에 기반한 기법들의 분산형 버전과 실험 결과도 함께 제시한다.